Introduction to Responsible AI in Practice

• Aperçu des principes et pratiques de l’IA responsable
• Mettre en œuvre des processus pour vérifier les biais injustes dans les modèles d’apprentissage automatique
• Explorer des techniques pour interpréter le comportement des modèles d’apprentissage automatique d’une manière compréhensible par l’homme.
• Créer des processus qui garantissent la confidentialité des données sensibles dans les applications de machine learning
• Comprendre les techniques permettant d’assurer la sécurité des applications génératives basées sur l’IA

Le développement de l’IA a créé de nouvelles opportunités pour améliorer la vie des personnes partout dans le monde, du monde des affaires aux soins de santé en passant par l’éducation.

Cela a également soulevé de nouvelles questions sur la meilleure façon d’intégrer l’équité, l’interprétabilité, la confidentialité et la sécurité dans ces systèmes.

Dans ce cours, vous effectuerez une exploration de haut niveau des meilleures pratiques recommandées par Google pour une utilisation responsable de l’IA dans différents domaines d’intérêt : équité, interprétabilité, confidentialité et sécurité.

En cours de route, vous apprendrez comment exploiter différents outils open source et outils sur Vertex AI pour explorer ces concepts et prendre le temps de réfléchir aux différents défis qui se posent avec l’IA générative.

Module 1: Principes de l’IA et IA responsable

• Les principes d’IA de Google
• Pratiques responsables en matière d’IA
• Bonnes pratiques générales

Module 2: L’équité dans l’IA

• Présentation de l’équité dans l’IA
• Exemples d’outils pour étudier l’équité des ensembles de données et des modèles
• Atelier : Utilisation de TensorFlow Data Validation et de TensorFlow Model Analysis pour garantir l’équité

Module 3: Interprétabilité de l’IA

• Présentation de l’interprétabilité dans l’IA
• Sélection de métrique
• Taxonomie de l’explicabilité dans les modèles ML
• Exemples d’outils pour étudier l’interprétabilité
• Atelier : Outil d’interprétabilité d’apprentissage pour la synthèse de texte

Module 4: Confidentialité le ML

• Présentation de la confidentialité dans le ML
• Sécurité des données
• Sécurité du modèle
• Sécurité pour l’IA générative sur Google Cloud

Module 5: Sécurité de l’IA

• Présentation de la sécurité de l’IA
• Tests contradictoires
• Sécurité dans Gen AI Studio
• Atelier : IA responsable avec Gen AI Studio