L’intelligenza artificiale responsabile è in realtà al centro di molte delle notizie Build di oggi, ha dichiarato a VentureBeat John Montgomery, vicepresidente aziendale di Azure AI. Degna di nota è l’anteprima di Azure Machine Learning di un dashboard di intelligenza artificiale responsabile, che riunisce le funzionalità in uso negli ultimi 18 mesi, come Esplora dati, interpretabilità del modello, analisi degli errori, analisi dell’inferenza controfattuale e causale, in un’unica vista.
Azure Machine Learning offrirà ora anche in anteprima una “scheda punteggi” di intelligenza artificiale responsabile per riassumere le prestazioni del modello e le informazioni dettagliate in modo che tutte le parti interessate possano partecipare facilmente alle revisioni della conformità.
“La domanda era come far funzionare l’IA in modo più accessibile e più facile da capire”, ha affermato Montgomery. “Gli utenti devono creare qualcosa che i responsabili della conformità possano sfruttare”. La dashboard e la scorecard dell’IA responsabile forniscono un “set di visualizzazioni molto semplice, un flusso guidato da procedure guidate che semplifica l’utilizzo di questi strumenti da parte delle persone con meno esperienza nella scienza dei dati ed esporta la scorecard in un PDF”.
Il servizio sanitario nazionale del Regno Unito utilizza il dashboard di intelligenza artificiale responsabile di Azure
Ad esempio, un team di professionisti medici presso uno dei più grandi trust del National Health Service nel Regno Unito sta esplorando come l’IA potrebbe aiutare a ridurre i tempi di attesa, supportare le raccomandazioni dei team sanitari e fornire ai pazienti informazioni migliori in modo che possano prendere decisioni più informate sui loro propria cura. Due chirurghi ortopedici hanno sviluppato un modello di intelligenza artificiale per aiutare i consulenti a fornire ai loro pazienti una valutazione del rischio personalizzata delle imminenti operazioni all’anca o al ginocchio.
Il modello è ospitato nel cloud Azure di Microsoft e utilizza il dashboard dell’IA responsabile in Azure Machine Learning. I professionisti del settore medico possono vedere come funziona il modello e avere una comprensione più chiara del motivo per cui l’IA ha raggiunto tali conclusioni. Ciò aumenta la fiducia che i loro consigli ai pazienti si basino su dati accurati e affidabili.
“I modelli di machine learning sono una specie di arte oscura, quindi un data scientist può spiegare a un altro data scientist perché si comportano in un certo modo, ma è necessario essere in grado di spiegare a imprenditori, CEO, revisori e team di conformità: è qui che il Arrivano strumenti di intelligenza artificiale responsabili, per aiutare a spiegare perché i modelli stanno prendendo le decisioni che stanno prendendo”, ha affermato Montgomery. “Questa è la direzione in cui ci stiamo dirigendo”.
Semplificare la vita degli sviluppatori con l’IA
A Microsoft Build, Kevin Scott, Chief Technology Officer di Microsoft, ha anche evidenziato come gli strumenti di sviluppo software basati sull’intelligenza artificiale consentano agli sviluppatori di creare software utilizzando un linguaggio naturale e quotidiano, traducendo il linguaggio naturale nei linguaggi di programmazione comprensibili dai computer.
“Questo è un modo fondamentalmente diverso di pensare allo sviluppo rispetto a quello che abbiamo avuto dall’inizio del software”, ha affermato Scott. Microsoft ha evidenziato questo cambiamento di paradigma come guidato da Codex, un modello di apprendimento automatico della società di ricerca e sviluppo di intelligenza artificiale OpenAI in grado di tradurre i comandi del linguaggio naturale in codice in più di una dozzina di linguaggi di programmazione.
Codex discende da GPT-3 , il modello di linguaggio naturale di OpenAI che è stato addestrato su petabyte di dati linguistici da Internet. Secondo Scott, l’aumento della produttività che Codex porta allo sviluppo del software è un punto di svolta, consentendo agli sviluppatori di “completare molte attività in due minuti che prima richiedevano due ore”.
Il codice basso basato sull’intelligenza artificiale e nessuno strumento di codice porta l’IA alle masse
A Build, Microsoft ha anche messo in evidenza il codice basso basato sull’intelligenza artificiale e l’assenza di strumenti di codice come quelli disponibili tramite Microsoft Power Platform, che hanno affermato: “sono pronti per consentire a miliardi di persone di sviluppare le applicazioni software di cui hanno bisogno per risolvere i loro problemi specifici, da un audiologo che digitalizza semplici moduli cartacei per trasformare la prevenzione della perdita dell’udito in Australia a uno strumento che allevia il carico del lavoro di immissione manuale dei dati da parte dei dipendenti di un’azienda a conduzione familiare e una soluzione di livello aziendale che elabora miliardi di dollari di COVID-19 richieste di condono del prestito per le piccole imprese.
ANNUNCIO
Secondo Charles Lamanna, vicepresidente aziendale Microsoft per le applicazioni e la piattaforma aziendali, se lavori con formule in Excel, puoi creare applicazioni software basate sull’intelligenza artificiale.
“Le centinaia di milioni di persone che si sentono a proprio agio nel lavorare con le formule in Microsoft Excel potrebbero facilmente portare queste competenze in Power Platform, dove possono creare questi tipi di applicazioni software”, ha affermato.
Mosse più mainstream da Hugging Face con la partnership di Microsoft
In altre notizie Microsoft, oggi Hugging Face – che ha recentemente annunciato una valutazione di $ 2 miliardi grazie al suo status crescente di repository principale per tutto ciò che riguarda i modelli di apprendimento automatico – ha continuato la sua marcia verso il mainstream con l’annuncio di una nuova collaborazione con Microsoft che rende la piattaforma di machine learning Hugging Face accessibile ai clienti Microsoft Azure.
Un nuovo servizio, Hugging Face Endpoints su Azure, rende i modelli Hugging Face, secondo l’azienda, “semplici”, “scalabili” e “sicuri”.
“Stiamo approfondendo la nostra partnership con Microsoft e offrendo questo nuovo servizio che è un modo molto semplice per le persone di trasformare il loro modello Hugging Face in una produzione scalabile e sicura che risieda all’interno della propria tenancy di Azure”, Jeff Boudier, product director di Hugging Face, ha detto a VentureBeat. “Stiamo davvero fornendo l’ultimo miglio del ciclo di sviluppo dell’apprendimento automatico.”
I progetti di apprendimento automatico, ha sottolineato, soprattutto nelle aziende, hanno bassi tassi di completamento: l’80% non entra mai in produzione. Ci vogliono anche mesi per essere completati. Secondo Boudier, con “pochi clic” e “10-20 minuti” gli sviluppatori possono “avere un endpoint in esecuzione all’interno del proprio ambiente Azure che sia conforme a tutto all’interno della propria azienda”. Hugging Face spera che questo possa trasformare i tassi di completamento del 20% in tassi di completamento dell’80% e da tre a quattro mesi di ritardi in uno sforzo finito in meno di mezz’ora.
“Le aziende hanno reinventato la ruota e si sono grattate la testa sullo stesso tipo di punti dolenti su quale tipo di istanza posso inserire questo modello? Quante repliche? Come lo ridimensiono?” disse Boudier. “Lo stiamo rendendo così semplice che l’ingegnere del machine learning può arrivare fino alla produzione”.
