Explainable AIBeta 版

用于理解和解释机器学习模型的工具和框架。

免费试用
Explainable AI 概览图像

理解 AI 输出结果并建立信任

Explainable AI 是一组工具和框架,可帮助您理解和解释机器学习模型进行的预测。借助该服务,您可以调试和提升模型性能,并帮助他人理解您的模型行为。您还可以生成特征归因,以在 AutoML Tables 和 AI Platform 中进行模型预测,并利用 What-If 工具以直观的方式调查模型的行为方式。

专注于您的应用

设计具有包容性的可解释 AI

使用专门设计的工具检测并解决数据和模型中的偏差、漂移以及其他差距,从头开始构建具有包容性的可解释 AI 系统。AutoML Tables、AI Platform Predictions 和 AI Platform Notebooks 中的 AI Explanations 功能为数据科学家提供了改进数据集或模型架构以及调试模型性能所必不可少的数据洞见。What-If 工具让您可以通过一目了然的方式调查模型行为。

简单且完全托管

自信地部署 AI

通过人类可解释的机器学习模型说明,提高最终用户的信任度并提高模型的透明度。在 AutoML Tables 或 AI Platform 上部署模型时,您会实时获得预测和得分,指示某个因素对最终结果的影响程度。尽管解释并不揭示数据样本或群体中的任何基本关系,但它们确实能反映出模型在数据中发现的模式。

性能与扩缩能力

简化模型治理

通过简化的性能监控和训练,让组织能够更轻松地管理和改进机器学习模型。轻松监控模型在 AI Platform 上所做的预测。持续评估功能使您可以将模型预测与标准答案标签进行比较,获得持续的反馈并优化模型性能。

功能

AI Explanations

获得解释各因素如何影响在 AutoML Tables 中、AI Platform Notebook 内或通过 AI Platform Prediction API 进行的模型预测的得分。点击此处可以了解如何理解这些得分。

What-If 工具

利用与 AI Platform 集成的 What-If 工具,根据数据集中的一系列特征、优化策略甚至是对各个数据点值的操作来调查模型的性能表现。

持续评估

从经过训练并已部署到 AI Platform 的机器学习模型中抽取预测样本。 使用持续评估功能,为预测输入提供标准答案标签。Data Labeling Service 将模型预测与标准答案标签进行比较,以帮助您提高模型性能。

资源

价格

AutoML Tables 或 AI Platform 的用户无需额外付费即可使用 Explainable AI 工具。请注意,Cloud AI 按节点时用量计费,并且对模型预测运行 AI Explanations 时将需要计算和存储资源。因此,Explainable AI 用户可能会看到其节点时用量增加。

查看价格详情
Google Cloud

开始使用

学习和构建

获享 $300 赠金以及 20 多种提供“始终免费”用量的产品,开始在 Google Cloud 上构建项目。

需要更多帮助?

我们的专家会根据您的需求,帮助您打造合适的解决方案,或者寻找合适的合作伙伴。

Cloud AI 产品遵循此处列出的服务等级协议 (SLA) 政策。

这些产品在延迟时间或可用性方面的保证可能与其他 Google Cloud 服务有所不同。