Guía para Responsible AI de TensorFlow

Introducción

En 2018, Google presentó sus Principios de IA, que guían el desarrollo y uso ético de la IA en nuestras investigaciones y productos. De acuerdo con estos principios, el equipo de TensorFlow trabaja con el fin de brindarles a los desarrolladores herramientas y técnicas para cumplir con las prácticas de Responsible AI (RAI).

En esta guía, encontrarás información sobre cómo incorporar las herramientas del kit de Responsible AI para desarrollar un flujo de trabajo coherente que responda a tu caso de uso específico y las necesidades del producto. Algunas de las herramientas incluidas en esta guía se pueden aplicar en dominios como la equidad y la transparencia. Esta es un área de desarrollo activa en Google. En esta guía encontrarás también información sobre áreas relacionadas adicionales, como la privacidad, la comprensibilidad y la solidez.

Organización de la guía

Documentación y orientación de las API

Ofrecemos información sobre cómo funciona cada herramienta, en qué pasos de tu flujo de trabajo podría implementarse y las consideraciones de uso correspondientes. En algunos casos, incluimos una página de "Instalación" de cada herramienta en la pestaña "Guía", además de documentación detallada de la API en la pestaña "API". Para algunas herramientas, incluimos guías técnicas que demuestran cómo usar conceptos que podrían resultar difíciles de aplicar para los usuarios.

Instructivos

Siempre que sea posible, brindamos instructivos para notebooks sobre cómo se pueden aplicar las herramientas del kit de RAI. Estos son ejemplos generales seleccionados para poner el foco en una herramienta específica. Si tienes preguntas al respecto o si hay casos de uso adicionales que te gustaría que abordemos mediante un instructivo, comunícate con nosotros enviando un correo electrónico a tf-responsible-ai@google.com.

Consideraciones adicionales

Diseñar un flujo de trabajo de IA responsable requiere un enfoque inteligente en cada etapa del ciclo de vida del AA, desde la formulación del problema hasta la implementación y supervisión. Además de los detalles sobre la implementación técnica, necesitarás tomar una serie de decisiones sociotécnicas para aplicar estas herramientas. Estas son algunas consideraciones de RAI comunes que los profesionales del AA deben tener en cuenta:

  • ¿Para qué categorías demográficas debo asegurarme de que mi modelo funcione bien?
  • Si necesito almacenar etiquetas de información sensible para realizar una evaluación de equidad, ¿cómo debería evaluar la compensación entre la equidad y la privacidad?
  • ¿Qué métricas o definiciones debería utilizar para evaluar la equidad?
  • ¿Qué información debería incluir en el modelo y los artefactos para la transparencia de los datos?

Las respuestas a estas y muchas otras preguntas dependen de tu caso de uso específico y las necesidades del producto. Por lo tanto, no podemos decirte exactamente lo que debes hacer, pero siempre que sea posible te brindaremos información para que tomes decisiones responsables, con sugerencias útiles y vínculos a métodos de investigación relevantes. A medida que desarrolles tu flujo de trabajo de Responsible AI con TensorFlow, envíanos tus comentarios a tf-responsible-ai@google.com. Comprender tu aprendizaje y los desafíos que enfrentas nos ayuda a crear productos convenientes para todas las personas.