Explainable AI para modelos de BigQuery ML

Explainable AI es un conjunto de técnicas que puedes usar para comprender las predicciones y decisiones de tus modelos de IA. BigQuery ML y Vertex AI tienen ofertas de Explainable AI existentes que ofrecen explicaciones basadas en atributos.

Usa esta página para comprender si puedes usar modelos de Explainable AI en BigQuery ML que se hayan registrado con Model Registry.

BigQuery ML admite Explainable AI en dos frameworks separados y, por lo tanto, es compatible con diferentes tipos de modelos. En esta página, se describe qué tipos de modelos son compatibles con la integración de Model Registry. Para obtener información sobre Explainable AI basado en BigQuery ML, consulta Realiza XAI en modelos de BigQuery ML.

Tipos de modelos compatibles con Explainable AI en Vertex AI

Explainable AI está disponible en Vertex AI para un subconjunto de modelos de aprendizaje supervisado exportables. Los tipos de modelos que no están en la siguiente lista podrían ser compatibles con Explainable AI si editas sus metadatos de forma manual. Para obtener más detalles, consulta Introducción a Vertex Explainable AI.

Tipo de modelo Método de Explainable AI
dnn_classifier Gradientes integrados
dnn_regressor Gradientes integrados
dnn_linear_combined_classifier Gradientes integrados
dnn_linear_combined_regressor Gradientes integrados
boosted_tree_regressor Shapley de muestra
boosted_tree_classifier Shapley de muestra
random_forest_regressor Shapley de muestra
random_forest_classifier Shapley de muestra

Consulta Métodos de atribución de atributos para obtener más información sobre estos métodos.

Habilita Explainable AI en Model Registry

Cuando tu modelo de BigQuery ML está registrado en Model Registry, y si es un tipo de modelo compatible con Explainable AI, puedes habilitar Explainable AI en el modelo cuando implementes en un extremo. Cuando registras tu modelo de BigQuery ML, todos los metadatos asociados se propagan.

  1. Registra tu modelo de BigQuery ML en el Model Registry.
  2. Ve a la página Model Registry desde la sección BigQuery en la consola de Google Cloud.
  3. En Model Registry, selecciona el modelo de BigQuery ML y haz clic en la versión del modelo para redireccionar a la página de detalles del modelo.
  4. Selecciona Más acciones en la versión del modelo.
  5. Haz clic en Implementar en el extremo.
  6. Define tu extremo: crea un nombre de extremo y haz clic en continuar.
  7. Selecciona un tipo de máquina, por ejemplo, n1-standard-2.
  8. En Configuración del modelo, en la sección de registro, selecciona la casilla de verificación para habilitar las opciones de explicación.
  9. Haz clic en Listo y, luego, en Continuar para implementar en el extremo.

Habilita XAI desde la consola

Para obtener información sobre cómo usar XAI en tus modelos desde Model Registry, consulta Obtén una explicación en línea con el modelo implementado. Para obtener más información sobre XAI en Vertex AI, consulta Obtén explicaciones.

Más información