L'intelligenza artificiale responsabile nell'impresa: Gestione pratica dei rischi dell'IA per modelli spiegabili, verificabili e sicuri con hyperscaler e Azure OpenAI

Recensioni dei lettori

Il libro “Responsible AI in the Enterprise” è una guida completa all'implementazione etica dell'IA, che fornisce saggezza pratica e strategie attuabili per navigare tra i rischi dell'IA e garantire un'implementazione responsabile nei contesti aziendali. Copre concetti essenziali come equità, parzialità, trasparenza e conformità, rendendolo adatto a un'ampia gamma di professionisti nel campo dell'IA.

Il libro è stato apprezzato per il suo approccio completo e pratico, che trova un equilibrio tra discussioni tecniche ed etiche. Include esempi reali, frammenti di codice e indicazioni pratiche sull'uso dei principali strumenti di governance dell'IA. È accessibile a un pubblico ampio, che comprende data scientist, manager e responsabili politici, e pone l'accento su un linguaggio neutro dal punto di vista del genere. L'attenzione alla conformità e alle considerazioni etiche lo rende particolarmente rilevante nell'ambiente odierno guidato dai dati.

Alcuni lettori potrebbero ritenere che il libro, pur essendo esaustivo, potrebbe potenzialmente sopraffare coloro che hanno una scarsa conoscenza dei concetti di IA. Inoltre, chi è alla ricerca di contenuti tecnici più avanzati potrebbe trovare alcune sezioni troppo basilari o introduttive.

(basato su 5 recensioni dei lettori)

Titolo originale:

Responsible AI in the Enterprise: Practical AI risk management for explainable, auditable, and safe models with hyperscalers and Azure OpenAI

Contenuto del libro:

Costruire e distribuire con successo i modelli di IA esplorando la governance dei modelli, l'equità, i pregiudizi e le potenziali insidie.

L'acquisto del libro stampato o del Kindle include un eBook PDF gratuito.

Caratteristiche principali:

⬤ Apprendere i principi, i quadri e la governance dell'IA etica.

⬤ Comprendere i concetti di valutazione dell'equità e di mitigazione dei bias.

⬤ Introdurre l'IA spiegabile e la trasparenza nei modelli di apprendimento automatico.

Descrizione del libro:

Responsible AI in the Enterprise è una guida completa all'implementazione di sistemi di IA etici, trasparenti e conformi in un'organizzazione. Con un'attenzione particolare alla comprensione dei concetti chiave dei modelli di apprendimento automatico, questo libro fornisce tecniche e algoritmi per affrontare questioni complesse come i bias, l'equità e la governance dei modelli.

Nel corso del libro, imparerete a conoscere FairLearn e InterpretML, oltre a Google What-If Tool, ML Fairness Gym, IBM AI 360 Fairness tool e Aequitas. Scoprirete vari aspetti dell'IA responsabile, tra cui l'interpretabilità dei modelli, il monitoraggio e la gestione della deriva dei modelli e le raccomandazioni di conformità. Otterrete informazioni pratiche sull'uso degli strumenti di governance dell'IA per garantire l'equità, l'attenuazione dei pregiudizi, la spiegabilità, la conformità alla privacy e la riservatezza in un contesto aziendale. Inoltre, esplorerete i kit di strumenti per l'interpretabilità e le misure di equità offerte dai principali fornitori di cloud AI come IBM, Amazon, Google e Microsoft, scoprendo come utilizzare FairLearn per la valutazione dell'equità e la mitigazione dei bias. Imparerete anche a costruire modelli spiegabili utilizzando la sintesi globale e locale delle caratteristiche, il modello surrogato locale, i valori di Shapley, le ancore e le spiegazioni controfattuali.

Alla fine di questo libro, sarete ben equipaggiati con strumenti e tecniche per creare modelli di apprendimento automatico trasparenti e responsabili.

Che cosa imparerete:

⬤ Comprendere i fondamenti dell'IA spiegabili, i metodi e le tecniche sottostanti.

⬤ Esplorare la governance dei modelli, compresa la costruzione di modelli di apprendimento automatico spiegabili, verificabili e interpretabili.

⬤ Utilizzare il diagramma di dipendenza parziale, il riepilogo globale delle caratteristiche, l'aspettativa delle condizioni individuali e l'interazione delle caratteristiche.

⬤ Costruire modelli spiegabili con riepilogo globale e locale delle caratteristiche e funzioni di influenza nella pratica.

⬤ Progettare e costruire pipeline di apprendimento automatico spiegabili con trasparenza.

⬤ Scoprire Microsoft FairLearn e il mercato di diversi strumenti di IA spiegabili open-source e piattaforme cloud.

A chi è rivolto questo libro:

Questo libro si rivolge a data scientist, ingegneri dell'apprendimento automatico, professionisti dell'IA, professionisti IT, stakeholder aziendali ed etici dell'IA che sono responsabili dell'implementazione di modelli di IA nelle loro organizzazioni.