Assets mit watsonx.governance regulieren

Verwenden Sie watsonx.governance , um verantwortungsbewusste, transparente und erklärbare KI-Workflows mit einer KI-Governance-Lösung zu beschleunigen, die End-to-End-Überwachung für maschinelles Lernen und abgeleitete KI-Modelle bereitstellt. Überwachen Sie Ihr Basismodell und Ihre Assets für maschinelles Lernen von der Anforderung bis zur Produktion. Erfassen Sie Fakten zu Modellen, die mit IBM -Tools oder Drittanbietern in einem einzigen Dashboard erstellt wurden, um die Einhaltung von Compliance-und Governance-Zielen zu unterstützen.

Entwicklung einer umfassenden Governance-Lösung

Mit watsonx.governancekönnen Sie die Best Practices der KI-Governance von Vorhersagemodellen für maschinelles Lernen auf abgeleitete KI erweitern und gleichzeitig die Risiken im Zusammenhang mit Modellen, Benutzern und Datasets überwachen und mindern. Dieser Ansatz bietet folgende Vorteile:

  • Verantwortungsvolle KI: Erweitern Sie die Verfahren für verantwortungsvolle KI von der Steuerung von Modellen für maschinelles Lernen mit Vorhersagemodellen auf die Verwendung generativer KI mit jeder Basis oder jedem Modellanbieter.
  • Erklärbarkeit: Verwenden Sie Automatisierung, um Transparenz und Erklärbarkeit für verfolgte Modelle zu verbessern. Verwenden Sie Tools zum Erkennen und Mindern von Risiken im Zusammenhang mit KI.
  • Transparente und regulatorische Richtlinien: Mindern Sie KI-Risiken, indem Sie den gesamten KI-Lebenszyklus verfolgen, um die Einhaltung interner Richtlinien und externer Vorschriften für unternehmensweite KI-Lösungen zu unterstützen.

Watsonx.governance baut auf der IBM AI Governance-Lösung auf, indem Governance für Eingabeaufforderungsvorlagen für Basismodelle hinzugefügt wird.

Komponenten von watsonx.governance

Watsonx.governance umfasst folgende Funktionen, um Ihre Governance-Anforderungen in einer integrierten Lösung zu erfüllen:

Bewertung und Überwachung von KI-Assets

Die Auswertung und Überwachung von KI-Assets erweitert die Funktionalität von Watson OpenScale für die Konfiguration von Überwachungen, die Ihre implementierten Assets anhand der von Ihnen angegebenen Schwellenwerte bewerten. Beispielsweise können Sie Schwellenwerte konfigurieren, die Sie benachrichtigen, wenn prädiktive Maschinenmodelle unter einem festgelegten Schwellenwert für Fairness bei den überwachten Ergebnissen liegen oder von der Genauigkeit abweichen. Sie können auch Eingabeaufforderungsvorlagen für Dimensionen überwachen, um abgeleitete KI-Interaktionen zu messen. Eine Modellzustandsüberwachung bietet Echtzeitleistungsüberwachung für implementierte Modelle.

Bereitstellung für abgeleitete KI-Qualität überwachen

Fakten für die Governance in KI-Anwendungsfällen nachverfolgen

Die integrierte AI Factsheets Lösung erfasst die Metadaten für Modelle für maschinelles Lernen und Eingabeaufforderungsvorlagen für Basismodelle, die Sie explizit verfolgen. Entwickeln Sie KI-Anwendungsfälle, um alle Informationen für das Management eines KI-Assets aus der Anforderungsphase über die Entwicklung bis in die Produktion zu erfassen. Verwalten Sie mehrere Versionen eines Modells oder verwenden Sie verschiedene Ansätze zur Lösung eines Geschäftsproblems in einem Anwendungsfall. Factsheets zeigen Informationen zu überwachten Assets an, einschließlich Erstellungsinformationen, Daten, die zum Trainieren oder zur Eingabeaufforderung eines Modells verwendet werden, und Angaben dazu, wo sich das Asset im Lebenszyklus befindet. Zeigen Sie allgemeine Informationen zu allen Anwendungsfällen an, auf die Sie zugreifen können, oder sehen Sie sich die Details eines bestimmten Anwendungsfalls an, um Richtlinien und Compliance-Ziele zu erfüllen.

Verfolgen Sie Assets während des KI-Lebenszyklus

Verwalten von Governance und Compliance über die Governance-Konsole

Mit den Funktionen zur Modellrisikosteuerung der Governance-Konsole können Sie Metadaten zu Prompt-Vorlagen für Foundation-Modelle und Machine-Learning-Modelle erfassen, um Ihre Governance-Ziele zu erreichen. Verwenden Sie die Governance-Konsole, um einen umfassenden Überblick über die Governance-Aktivitäten in einem Unternehmen zu erhalten.

Anzeigen der Aktivität für verwaltete Assets über die Governance-Konsole

Erweitern Sie Governance mit watsonx.ai

Um eine durchgängige Erfahrung für die Entwicklung von Assets und deren anschließende Einbindung in die Governance zu schaffen, verwenden Sie „ watsonx.ai “ mit „ watsonx.governance “. Watsonx.ai Erweitert die Dienste „ Watson Studio “ und „ Watson Machine Learning “ um die Zusammenarbeit mit Foundation-Modelle, einschließlich Funktionen zum Speichern von Prompt-Vorlagen für eine kuratierte Sammlung von Assets für große Sprachmodelle.

Neben der Arbeit mit von IBMkuratierten Basismodellen können Sie watsonx.governance -APIs verwenden, um Eingabeaufforderungen für externe große Sprachmodelle auszuwerten. Sehen Sie sich kommentierte Beispielnotizbücher an, um Details zur Verbindung mit generativen KI-Modellen zu erhalten, die von AWS Bedrock, Google Vertex AI und Azure OpenAI gehostet werden. Watsonx.governance unterstützt KI überall, um die Anforderungen Ihres Unternehmens zu erfüllen.

Governance in Aktion

Ihre Governance-Strategie ist auf die Bedürfnisse Ihrer Organisation zugeschnitten. Governance ist ein kooperativer Prozess, an dem Nutzer aus verschiedenen Funktionen und Fachbereichen beteiligt sind.

Die folgende Grafik zeigt einen typischen Governance-Ablauf, beginnend mit der Definition eines KI-Anwendungsfalls zur Lösung eines Geschäftsproblems und der Anforderung eines KI-Assets, wie beispielsweise eines Modells oder einer Prompt-Vorlage, um das Problem zu lösen. Die Abbildung zeigt die verschiedenen Rollen, die an diesem Ablauf beteiligt sein können, beginnend mit einem Modellbesitzer, der das Problem definiert, über den Entwickler, der das Asset erstellt, bis hin zum Validierer, der es testet. Im nächsten Schritt könnte ein Risikobeauftragter die Lösung prüfen und genehmigen, sie an einen ML-Ops-Ingenieur zur Bereitstellung weiterleiten und sie dann an einen App-Entwickler übergeben, der die Ressource in der Produktion überwachen kann. Ihr Ansatz könnte einige dieser Rollen kombinieren.

Der „ watsonx.governance “-Flow

Ein Governance-Szenario

Ein typisches Governance-Szenario könnte folgende Abfolge umfassen:

  1. Ein Geschäftsanwender erkennt den Bedarf an einer KI-Lösung und erstellt einen KI-Anwendungsfall, um ein neues Modell anzufordern.
  2. Wenn die Anfrage gespeichert wird, wird der KI-Anwendungsfall im Inventar erstellt und die Nachverfolgung beginnt. Der Anwendungsfall befindet sich zunächst im Ent wurfsstatus, da keine Assets zur Anfrage vorhanden sind. Optional kann ein Genehmigungsprozess implementiert werden, um die Überprüfung und Genehmigung des Anwendungsfalls zu automatisieren, bevor er einem Datenwissenschaftler zugewiesen wird.
  3. Wenn ein Datenwissenschaftler ein Modell oder eine Prompt-Vorlage für den Anwendungsfall erstellt, verknüpft er das Asset mit einem Ansatz im Anwendungsfall. Ein Ansatz stellt einen Aspekt der Lösung dar, der im Anwendungsfall verfolgt wird. Ein Anwendungsfall kann mehrere Ansätze umfassen. Die Details zum Asset, wie beispielsweise Trainingsdaten und Angaben zur Erstellung, werden in einem Factsheet erfasst und im Anwendungsfall gespeichert.
  4. Im Laufe des Lebenszyklus des Assets werden alle Aktualisierungen, einschließlich Bereitstellungen und Bewertungsergebnisse, im Anwendungsfall und den zugehörigen Datenblättern erfasst. Mitarbeiter können Berichte aus KI-Anwendungsfällen erstellen, die für Compliance-Ziele oder zur Archivierung verwendet werden können. Über die Governance-Konsole können Benutzer auch Risiken bewerten und die Einhaltung gesetzlicher Vorschriften überprüfen.
  5. Validatoren und andere Interessengruppen können einzelne KI-Anwendungsfälle überprüfen oder Unternehmens-Governance-Aktivitäten über die Governance-Konsole einsehen, um die Einhaltung der Unternehmensprotokolle sicherzustellen.

Weitere Schritte

  • Governance-Strategie planen
  • Lesen Sie den Risikoatlas , um mehr über die potenziellen Risiken beim Arbeiten mit KI-Modellen zu erfahren. Der Risikoatlas bietet einen Leitfaden zum Verständnis einiger Risiken bei der Arbeit mit KI-Modellen, einschließlich generativer KI, Basismodellen und Modellen für maschinelles Lernen. Neben der Beschreibung potenzieller Risiken bietet sie einen realen Kontext. Sie ist als Bildungsressource gedacht und nicht als präskriptives Werkzeug.
  • Folgen Sie dem Lernprogramm Schnelleinstieg: Eingabeaufforderungsvorlage auswerten und verfolgen , um eine Beispielvorlage für Eingabeaufforderungen auszuwerten und zu verfolgen.