Explainable AI

提供相關工具與架構，可用於理解和解釋機器學習模型。

瞭解 AI 輸出及建立信任感

Explainable AI 是一款工具和架構組合，可協助您理解和解釋由機器學習模型產生的預測資料，並且原生整合於多項 Google 產品和服務。透過 Explainable AI，您就能偵錯並提升模型效能，協助其他使用者瞭解模型行為。您也可以在 AutoML Tables、BigQuery ML 和 Vertex AI 中產生用於模型預測的特徵歸因，並使用 What-If Tool 以視覺化的方式調查模型行為。

最新資訊

事件

Vertex AI 以範例為基礎的解釋

註冊

設計出具有可解釋性的共融式 AI

具備各項工具，可協助偵測及解決資料和模型中的偏誤、偏移和其他差異，方便您從頭開始打造具有可解釋性的共融式 AI 系統。AutoML Tables、Vertex AI 預測和 Notebooks 中的 AI Explanations 提供了深入分析資料，協助數據資料學家改善資料集或模型架構，並進行偵錯以提升模型效能。What-If Tool 則可讓您快速查看模型行為。

安心部署 AI

提供便於使用者理解的機器學習模型說明內容，藉此培養使用者的信賴感，並提升資料的透明度。在 AutoML Tables 或 Vertex AI 中部署模型時，您可以即時獲得預測結果和分數，藉此瞭解某項因素對最終結果的影響力。說明內容即使未揭示您資料樣本或母體中的任何基礎關係，也會反映出模型在資料中發現的模式。

簡化模型管理工作

透過精簡的效能監控和訓練功能，簡化貴公司機器學習模型的管理工作，並提升機器學習模型效能。此外，您可以輕鬆監控模型在 Vertex AI 上的預測工作，以及透過持續評估功能將模型預測結果與實際資料標籤進行比較，以持續獲得相關意見回饋，並改善模型成效。

功能與特色

透過由 Google 研究開發並用於強化 Google 的 AI 技術的創新 XAI 工具，瞭解 AI 輸出結果。

特徵歸因

用於產生特徵歸屬的代管服務。支援的方法包括 Samples Shapely、積分梯度和 XRAI。

整合至 Vertex AI 服務，包括 AutoML Tables 和 Vision、Vertex AI 預測、Notebooks、模型監控和 BigQuery ML。

瞭解詳情

以範例為基礎的解釋

依據可採取行動的解釋建構更優質的模型，有助於應對資料難題。

代管的最鄰近搜尋服務，用來針對新預測或執行個體傳回類似的範例。

瞭解詳情

模型分析

進階模型分析工具包，協助您進一步瞭解模型。

在 Vertex AI 中採取行動，使用整合的 What-If Tool 透過互動式資訊主頁檢查模型。

另外，您也可以搭配 What-If Tool 或語言可解釋性工具使用開放原始碼。

瞭解詳情

客戶

Sky

「在我們的產業中運用 AI 技術時，瞭解模型如何做出決策相當重要。我們很期待 Google Cloud 帶來的革新，協助我們解決這個產業的難題。透過 What-If Tool 等工具以及 AI 平台中的特徵歸因，我們的數據資料學家得以安心建構模型，並提供便於使用者理解的說明內容。」

_{- Sky 資料處理流程主管 Stefan Hoejmose}

wellio

「模型檢查工作對於模型開發與部署至關重要。我們往往會投注過多心力於預測技術，但事實上，具有可解釋性的模型才最實用，更重要的是，也更值得信賴。我們很期待這些由 Google Cloud 開發的新工具，不僅能支援我們的數據資料學家，還能造福採用我們模型的客戶。」

_{- wellio 技術長 Erik Andrejko}

Vivint Smart Home

「模型的可解釋性非常重要，可協助我們以最佳的方式發揮 AI 效能並解決問題。Google 藉由不斷的研究和開發，從中探索 Explainable AI 的無限可能。採用 Google Cloud 之後，我們得以將經過試驗及測試的技術用於解決模型可解釋性的難題，並提升我們的數據資料學實力。」

_{- Vivint Smart Home 首席數據資料學家 Aaron Davis}

iRobot

「我們正在運用類神經網路來開發未來產品的功能。易於使用的優質解決方案可改善深度學習模型的訓練成效，正是我們需要的必備工具。我們很期待 Google Cloud 帶來的革新，協助我們解決特徵歸因的問題，並提供便於使用者理解的模型相關說明。」

_{- iRobot 技術長 Chris Jones}

資源

AutoML Tables 或 Vertex AI 的使用者可免費使用 Explainable AI 工具。請注意，Cloud AI 是以節點時數使用量計費，而且在模型預測作業中執行 AI Explanations 需要運算和儲存空間。因此，Explainable AI 使用者可能會發現節點時數使用量有所增加。

查看定價詳細資料