Explainable AI pour les modèles BigQuery ML

Explainable AI est une suite de techniques permettant de comprendre les prédictions et les décisions de vos modèles d'IA. BigQuery ML et Vertex AI ont tous deux des offres Explainable AI existantes qui proposent des explications basées sur les caractéristiques.

Cette page vous permet de savoir si vous pouvez utiliser Explainable AI sur les modèles BigQuery ML enregistrés dans Model Registry

BigQuery ML est compatible avec Explainable AI sur deux frameworks distincts et prend donc en charge différents types de modèles. Cette page décrit les types de modèles compatibles avec l'intégration Model Registry. Pour en savoir plus sur Explainable AI basé sur BigQuery ML, consultez la page Exécuter XAI sur des modèles dans BigQuery ML.

Types de modèles compatibles avec Explainable AI dans Vertex AI

Explainable AI est disponible dans Vertex AI pour un sous-ensemble de modèles d'apprentissage supervisé exportables. Les types de modèles qui ne figurent pas dans la liste suivante peuvent être compatibles avec Explainable AI si vous modifiez manuellement leurs métadonnées. Pour en savoir plus, consultez la Présentation de Vertex Explainable AI.

Model type Méthode Explainable AI
dnn_classifier Gradients intégrés
dnn_regressor Gradients intégrés
dnn_linear_combined_classifier Gradients intégrés
dnn_linear_combined_regressor Gradients intégrés
boosted_tree_regressor Échantillonnage des valeurs de Shapley
boosted_tree_classifier Échantillonnage des valeurs de Shapley
random_forest_regressor Échantillonnage des valeurs de Shapley
random_forest_classifier Échantillonnage des valeurs de Shapley

Pour en savoir plus sur ces méthodes, consultez la page Méthodes d'attribution des caractéristiques.

Activer Explainable AI dans Model Registry

Lorsque votre modèle BigQuery ML est enregistré dans Model Registry et qu'il s'agit d'un type de modèle compatible avec Explainable AI, vous pouvez activer Explainable AI lors du déploiement sur un point de terminaison. Lorsque vous enregistrez votre modèle BigQuery ML, toutes les métadonnées associées sont renseignées pour vous.

  1. Enregistrez votre modèle BigQuery ML dans le Model Registry.
  2. Accédez à la page Model Registry de la section BigQuery dans la console Google Cloud.
  3. Dans le registre de modèles, sélectionnez le modèle BigQuery ML, puis cliquez sur la version du modèle pour être redirigé vers la page des détails du modèle.
  4. Sélectionnez Autres actions dans la version du modèle.
  5. Cliquez sur Déployer sur un point de terminaison.
  6. Définissez votre point de terminaison : créez un nom de point de terminaison et cliquez sur "Continuer".
  7. Sélectionnez un type de machine, par exemple n1-standard-2.
  8. Sous Paramètres du modèle, dans la section de journalisation, cochez la case pour activer les options d'explicabilité.
  9. Cliquez sur OK, puis sur Continuer pour effectuer le déploiement sur le point de terminaison.

Activer XAI à partir de la console

Pour apprendre à utiliser XAI sur vos modèles à partir de Model Registry, consultez la page Obtenir une explication en ligne en utilisant votre modèle déployé. Pour en savoir plus sur XAI dans Vertex AI, consultez Obtenir des explications.

Learn more