Introdução
Em 2018, o Google apresentou seus princípios de IA, que orientam o desenvolvimento e o uso éticos de IA em nossas pesquisas e em nossos produtos. Em conformidade com esses princípios, a equipe do TensorFlow disponibiliza a desenvolvedores as ferramentas e as técnicas necessárias para aderirem às práticas responsáveis de IA (RAI, na sigla em inglês).
Neste guia, você encontrará diretrizes sobre como aplicar as ferramentas do Responsible AI Toolkit para desenvolver um fluxo de trabalho coeso que sirva ao seu caso de uso específico e às necessidades do seu produto. As ferramentas incluídas neste guia podem ser usadas em domínios como imparcialidade e transparência. Esta é uma área de desenvolvimento ativo do Google. Este guia inclui diretrizes relativas a outras áreas relacionadas, como privacidade, explicabilidade e robustez.
Organização do guia
Orientações e documentação da API
Oferecemos diretrizes sobre o que cada ferramenta faz, a que ponto do seu fluxo de trabalho ela poderá se adequar e as várias considerações de uso de cada uma delas. Quando for o caso, incluiremos uma página "Instalar" na guia "Guia" de cada ferramenta, bem como documentação detalhada sobre a API na guia "API". Em algumas ferramentas, também incluiremos guias técnicos que demonstram conceitos que os usuários talvez achem mais desafiadores de aplicar.
Tutoriais
Sempre que possível, incluiremos tutoriais simples que mostram como as ferramentas do RAI Toolkit podem ser usadas. Normalmente, são exemplos básicos escolhidos para destacar determinada ferramenta. Caso você tenha alguma pergunta sobre eles ou se há algum outro caso de uso que você queira ver explorado nos tutoriais, entre em contato conosco pelo endereço tf-responsible-ai@google.com.
Outras considerações
Projetar um fluxo de trabalho responsável de IA demanda uma abordagem ponderada a cada etapa do ciclo de vida de ML, desde a formulação do problema até a implantação e o monitoramento. Além dos detalhes da implementação técnica, você precisará tomar uma série de decisões sociais e técnicas a serem aplicadas às ferramentas. Algumas considerações comuns de RAI que os especialistas em ML precisam ponderar incluem as seguintes:
- Em quais categorias de demografia preciso garantir que meu modelo tenha um bom desempenho?
- Se preciso armazenar rótulos sensíveis para realizar uma avaliação de imparcialidade, como pensar sobre o equilíbrio entre imparcialidade e privacidade?
- Quais métricas ou definições preciso usar para avaliar a imparcialidade?
- Que informações preciso incluir no modelo e nos artefatos de transparência de dados?
As respostas a essas e muitas outras perguntas dependem do seu caso de uso específico e das necessidades do seu produto. Assim não podemos dizer exatamente o que você precisa fazer, mas oferecemos diretrizes para que você tome decisões responsáveis com dicas e links úteis para métodos de pesquisa relevantes sempre que possível. Ao desenvolver seu fluxo de trabalho de IA responsável com o TensorFlow, envie seus comentários pelo endereço tf-responsible-ai@google.com. Saber o que você aprendeu e compreender seus desafios é fundamental para criarmos produtos que funcionem para todos.