概要

  • AI による出力の正確さ、公平さ、パフォーマンスを継続的にモニタリング
  • AI による出力の信頼度および出力を導き出した因子をわかりやすく表示

特徴

AI による判断が公平で偏りがないことを検証しながらシステムを運用できるようになります。

機能

Explainability(説明性)
特定のトランサクションに対して、なぜその結論に達したか入力項目ごとの寄与率で示します。画像データも対象にできます。
Fairness(公平性)
モデルの判断結果が、事前に設定した監視対象項目に関して統計的に偏りがあるかどうかチェックします。

動作環境

対応モデル

Watson Machine Learning 上の Watson Spark mllib および Keras のほか、AWS Sagemaker Native, Azure ML Studio Native に対応します。

Custom Environment または Python Function として Scikit Learn, XGboost, SPSS, Keras, Tensorflow, Pytorch, Caffe などにも対応できます。

参考価格

下記にてご確認いただけます。https://cloud.ibm.com/catalog/services/watson-openscale