Upgrade to Pro — share decks privately, control downloads, hide ads and more …

IBM Dojo:公平で説明可能なAI / Watson OpenScale

Aya Tokura
December 02, 2020

IBM Dojo:公平で説明可能なAI / Watson OpenScale

本日のセッション資料
https://ibm-developer.connpass.com/event/185134/

IBM Cloudアカウント作成&ログインはこちらから
https://ibm.biz/dojo1202

Aya Tokura

December 02, 2020
Tweet

More Decks by Aya Tokura

Other Decks in Technology

Transcript

  1. IBM Dojo!"#$%&'()*+,
    Aya Tokura
    Developer Advocate
    Tokyo City Team
    2020/12/2

    View Slide

  2. @ayatokura
    -./0123/45,67"89
    :";<=<>[email protected]<9"+A=?BCD<5EFG
    HIJKLMNOPQRSTUVWSXYZ[\]^_
    `abcdMefgLhijKklmnop\qrG
    stuvAya Tokuraw
    IBM Sr. Developer Advocate
    (Be Equal Ambassador)
    xyzK{|}~5rÄÅ

    View Slide

  3. タイムテーブル
    14:00-14:05
    (5min)
    オープニング
    資料ダウンロード、出席登録など
    14:05-15:00
    (55min)
    公平で説明可能なAI セッション
    15:00-15:15
    (15min)
    Q&A
    クロージング

    View Slide

  4. !"#$%&'(
    IBM Cloud )*+,-.'/0URL123456789
    ibm.biz/dojo1202
    ! IBM Cloud :;"$
    +<=$%>?&@ABC*D'(
    EC212:;"$F56789
    ! IBM Cloud G"%+<=$%HI
    +<=$%>ABC&J9D'(
    KLM>AN9FO?
    âä4l|ãåP

    View Slide

  5. 学習の⽬的とゴール
    ⽬的
    AIの公平性、説明性の必要性を理解した上で、
    Watson OpenScaleの概要を理解する
    ゴール
    Watson OpenScaleで何ができるかを実際に体験する
    このコースを学ぶ⽅の想定スキル
    機械学習の初⼼者レベルの知識がある⽅

    View Slide

  6. ⽬次
    1. AIの課題とIBMの取り組み
    2. IBM Watson OpenScale ご紹介
    3. チュートリアルツアー体験
    4. おすすめ情報

    View Slide

  7. 1. +,l∏π

    View Slide

  8. ⽇本政府が策定した「⼈間中⼼のAI社会原則」
    6) 公平性、説明責任及び透明性の原則
    「AI-Readyな社会」においては、AIの利⽤によって、⼈々が、その⼈の持つ背景に
    よって不当な差別を受けたり、⼈間の尊厳に照らして不当な扱いを受けたりすること
    がないように、公平性及び透明性のある意思決定とその結果に対する説明責任(アカ
    ウンタビリティ)が適切に確保されると共に、技術に対する信頼性(Trust)が担保され
    る必要がある。
    ・AIの設計思想の下において、⼈々がその⼈種、性別、国籍、年齢、政治的信念、宗
    教等の多様なバックグラウンドを理由に不当な差別をされることなく、全ての⼈々が
    公平に扱われなければならない。
    ・AIを利⽤しているという事実、AIに利⽤されるデータの取得⽅法や使⽤⽅法、AIの
    動作結果の適切性を担保する仕組みなど、⽤途や状況に応じた適切な説明が得られな
    ければならない。
    引用元:人間中心のAI社会原則
    https://www8.cao.go.jp/cstp/aigensoku.pdf
    今後、AIには公平性や説明性が
    求めらてくることが予想される

    View Slide

  9. AIの信頼性につながるAIの説明性・公平性とは?

    View Slide

  10. wxyz{|}{~zCAB Ä=>[email protected]Å
    ƒOGOgk
    H¬Kakd5P
    IJçé
    KLÑM∑NOà
    ¨P
    :°ªLúå
    ÑQRÜD:°ª58å
    ÑS>CBUS?Tà
    VWüXå VWüYå
    Z=klVWv[ó\lY˙àë–:°ªLú˙÷{P≥Kc]xlN^
    —_"YåVW\˘`flfl&'ì\#˘úù™?{*ål°a

    View Slide

  11. 説明性 (Explainability)
    想定シナリオ
    顧客に対する与信判断(融資を実施するかどうか)をする機械学習モデルを作ったとします。
    顧客 窓⼝担当者
    融資の申請を認められない
    という話だが、何が原因
    なのか︖︖︖︖
    当社の与信判断モデルは⾮常
    に精度が⾼いのですが、
    あいにくブラックボックスで
    理由はわからないのです…
    説明不可能なAI

    View Slide

  12. 説明性(Explainability)
    顧客 窓⼝担当者
    融資の申請を認められない
    という話だが、何が原因
    なのか︖︖︖︖
    お客様の融資が却下された⼀番の
    理由は年収で、寄与度は60%です。
    次の理由は年齢で、寄与度は
    20%になります。
    前ページのようなやりとりが起きた場合、今回説明するWatson OpenScaleがあると
    このように説明が可能になります。
    説明可能なAI

    View Slide

  13. AIの公平性

    View Slide

  14. 「AIの公平性」の問題
    • 被告の再犯可能性を予測するAIシステム「Compas」
    • ⽶国で実際に本番利⽤されている機械学習モデル
    • 137問の質問への回答を⼊⼒に、再び犯罪を犯す危険性を10段階の点数
    として算出
    • 調査報道サイト「プロパブリカ」により、以下の調査結果が判明し
    ⼤きな社会問題となりました。
    出典: https://kaztaira.wordpress.com/2018/09/22/aiのバイアス問題、求められる「公平」とは何/
    偽陽性
    (再犯の疑いありの判定で
    実際には再犯なし)
    偽陰性
    (再犯の疑いなしの判定で
    実際には再犯あり)
    ⽩⼈ 23.5% 47.7%
    ⿊⼈ 44.9% 28.0%

    View Slide

  15. アルゴリズムは公平か︖
    アルゴリズムは公平ではなく、作成者の意図やバイアスが紛れ込む
    l アルゴリズムは過去の⾏為や⾏動パターンを繰りかえし、⾃動的に現状を
    維持するだけ
    l 判定の最適化とは、過去データの特徴からセグメントを抽出した後に、
    判定対象を特定のセグメントに分類すること
    • セグメントの境界を決める重要な特徴データ以外の個々⼈の属性や
    事情は考慮されない
    l バイアスが紛れ込む要因の例
    • 過去のデータ(実績)の偏り
    • データの選択を⾏うのは⼈間
    • 有効かもしれないが存在しないデータ
    • 代理データを無意識に利⽤
    • 成功要因を恣意的に設定

    View Slide

  16. Bµ∂Z∑∏π∫ Ä!Å
    ! -./é1 áàªyàª{ÇCºäyà}ä|~|z|ÇÉCºyàªÇ
    ¥∞lÿè5ΩªæäÇC{}øCǪ{}äy{ª}¿Éü∂ªS+,5Núù… ì5ŸÀ
    ! -./01†3-/4–AB¡¬ZTgZ√∞2÷
    úù [email protected]"!ûûQQQ:ÜSÖ:B?ÖûS>?⁄"ûDRÜáUû€@—€Cû<=<9”AC”——ÜáD<>>Ü⁄

    View Slide

  17. IBMの取り組み (2)
    IBMでは以上の全社的な⽅針を受けて、次の2つの製品・サービスを提供
    Watson OpenScale
    Watson StudioやWatson Machine Learningと同じIBM Cloud上のサービス。
    ただし、他のサービスと異なり、他社AIも管理対象に含む。
    AI Fairness 360 / AI Explainability 360
    Python APIをOSSとして公開。
    ライブラリだけでなく、API Reference、チュートリアル、デモアプリなども
    ⼀般に利⽤可能。ユーザーは⾃分でPythonコーディングを⾏うことが前提。
    AIF360: http://aif360.mybluemix.net/
    AIX360: http://aix360.mybluemix.net/

    View Slide

  18. 2. IBM Watson OpenScale æø¿
    https://www.ibm.com/jp-ja/cloud/watson-openscale

    View Slide

  19. Watson OpenScale
    ここで 3.チュートリアルツアー体験の事前準備
    「3.チュートリアルツアー体験」の3番まで準備する
    1. IBM Cloudへのログイン
    2. Watson OpenScaleサービスの作成・起動
    3. ⾃動セットアップの実施
    (10分前後の待ち時間)

    View Slide

  20. [email protected]!ûûÜSÖ:SÜüûA?€?.0-©5ƒ`H®ò_z6MOò_8r˙åG
    ú%5¥∞lúÛQÙ%z6MOıΩlÅÇ{Sz6MO‚ï%úGz6MO∫l
    ˆ5b¬vKcü˜¯˙˚_åù˘˙\˜¯˙˚_|å_8r˙åG
    ! IBM Cloud :;"$
    +<=$%>?&@ABC*D'(
    EC212:;"$F56789
    ! IBM Cloud G"%+<=$%HI
    +<=$%>ABC&J9D'(
    KLM>AN9FO?
    äMNOPö¡%{
    https://cloud.ibm.com/login
    °Ïz6MO()%ú
    !ÃCIBM Cloud◊Z1,∞+

    View Slide

  21. ƒÃCWatson OpenScaleÿ(Ÿ±Z™´u⁄€
    -—/: –ÙÇz6÷\`√5`úù

    View Slide

  22. -—-: ¸˝v5`®5ÑCD"?á"Ö@–ÑCD"?á"Ö@

    View Slide

  23. -—ç: √K˛OlÃÕ–ˆa®÷Sˇ!òaOlÃÕ–aMPÑ‘ˇà÷ü
    ÃÕ˙˚_åù¶ë\¯pò_–A’÷vÇO\`√5`úù

    View Slide

  24. -—©: ÑCD"?á"Ö@–Áñ÷\`√5`úù

    View Slide

  25. -—2: –ƒò√#Kb˛OlÄ[÷vÇO\`√5`ò_
    ÑCD"?á"Ö@

    View Slide

  26. …Ë€DEœ£E)Z›fi
    ç—/: –±[H5Pƒ5ò÷\`√5`úù
    Ñ$æ5Ÿ⁄_Ê*ªkúüS%/.ºlÚË\ïòkúà

    View Slide

  27. ç—-: %¨&'k%Òfl
    ç—ç:"–%¨ü&'òkòôÅ÷똯ü(:⁄ôÏS–)≈kò*r÷
    vÇO\`√5`úù
    ¶¶5+qUEü˜¯˙˚ù

    View Slide

  28. 2. IBM Watson OpenScale æø¿
    https://www.ibm.com/jp-ja/cloud/watson-openscale

    View Slide

  29. Watson OpenScaleの特徴
    Watson OpenScaleのハイレベルな特徴として以下のことがあげられます。
    Open (オープン):
    代表的な機械学習・深層学習フレームワーク・他社AIサービス(MS Azureや
    Amazon Sagemaker)を管理対象とすることが可能
    Scale (拡張性):
    パブリック、プライベート、ハイブリッド・クラウド、どの環境でも提供可能
    Explainability (説明性):
    AIモデルの評価結果において、その判断理由を説明
    Fairness (公平性):
    AIモデルの導出した結果の公平性をチェックし、是正する

    View Slide

  30. Watson OpenScaleの主要機能
    Payload Logging機能がベースの機能となっています。
    Payload Loggingを使って説明性(Explainability) と公平性(Fairness) を実現してい
    ます。
    それぞれの拡張機能としてContrastive ExplanationとBias mitigationがあります。
    それ以外にモニタリング機能や、ドリフト・モニタリング機能がなどがあります。
    Payload Logging
    説明性
    (Explainability)
    公平性
    (Fairness)
    Contrastive
    Explanation
    Bias mitigation ・Monitoring
    ・Performance
    ・Drift monitoring
    Watson OpenScale 主要機能

    View Slide

  31. ≈{Çäà}C∆y}«¿{zC/EFŒÎ(2
    ÑCD"?á"Ö@˘˙\78ê5˜ª9∞ù¶ëü%†kúG
    #$ì 8\:¨

    View Slide

  32. Â{Ézà{øCÊàÁÁ|}Á
    ÈC”>?CA"‚?⁄⁄Üá⁄ë{SÁñÛªlÆØçéZ=k5Ûúù;úòÚlìî=KÇS
    úîÒÚ\ÇMÉ®ÇOòëÎHK`,;Ñ"B?9Üá⁄úùÆ)%úG
    Ö@ïÆ)%∂ù&'ìë#[ì{SÈC”>?CA"‚?⁄⁄Üá⁄5Ÿª=Ù˙˚ô
    =KÇlº?\ú[email protected]¢≤˙˚_åkúG

    View Slide

  33. Payload Logging (Watson Machine Learningの場合)
    Watson ML上に登録されたモデルに対してPayload Loggingを⾏う場合は、
    OpenScale側で管理対象の指定をするだけで⾃動的に記録されます。
    この場合、アプリ側の改修は不要です。
    Watson Machine Learning
    deployment
    Application
    API Call
    OpenScale
    Payload

    View Slide

  34. Payload Logging (他社 Machine Learningの場合)
    MS AzureやAmazon Sagemakerなどの他社APIの場合は、アプリケーションは
    モデルのAPIを呼び出した後で、⼊⼒データとその結果を引数に、OpenScale側で
    ⽤意したPayload Logging APIを呼び出すようにします。
    他社 Machine Learning
    Application
    API Call
    OpenScale
    Payload
    Payload Logging API

    View Slide

  35. 説明性 (Explainability)
    想定シナリオ
    顧客に対する与信判断(融資を実施するかどうか)をする機械学習モデルを作ったとします。
    顧客 窓⼝担当者
    融資の申請を認められない
    という話だが、何が原因
    なのか︖︖︖︖
    当社の与信判断モデルは⾮常
    に精度が⾼いのですが、
    あいにくブラックボックスで
    理由はわからないのです…
    説明不可能なAI

    View Slide

  36. 説明性(Explainability)
    顧客 窓⼝担当者
    融資の申請を認められない
    という話だが、何が原因
    なのか︖︖︖︖
    お客様の融資が却下された⼀番の
    理由は年収で、寄与度は60%です。
    次の理由は年齢で、寄与度は
    20%になります。
    前ページのようなやりとりが起きた場合、今回説明するWatson OpenScaleがあると
    このように説明が可能になります。
    説明可能なAI

    View Slide

  37. 説明性(Explainability)
    顧客 窓⼝担当者
    年収が⾜りないのはわかったが、
    いくらあればよかたのか︖
    お客様の場合、年収があと200万円
    あれば、当⾏でも融資できます。
    説明性の拡張機能 (Contrastive Explanation)
    説明性の拡張機能まで使うと、次のような突っ込んだやりとりにも対応可能です。

    View Slide

  38. =>dÄwxyz{|}{~|z|ÇÉÅ
    [email protected]>CÜáCSÜ>ÜD”Ñ&'ìàë{SÆØçéZ=kü∂¨lPaOG`b˛O5Ûò_
    *J›lÒK5Lòô°l&'\ÒÚÛÙmZıˆ˜È?"ÜDÜ=—_"Ö@M—_"Ö@¥Nê*ÆØçéZ=klÒKë¯˝W
    —_"Z=k°Ï:°ù∆«

    View Slide

  39. =>dÄwxyz{|}{~|z|ÇÉÅ
    &'ìÑ[email protected]>CÜáCSÜ>ÜD”àÆ)l¢≤™?
    ‚,74Ñ‚?BC>",áD<[email protected]—C⁄á?"DÜB"[email protected]>CáCDÜ?á"àëår™?\NK®5ò_åkúG
    $flRZèêëíZ˘˙\ó?òôåÅÇS›l˚¸ZÒî(˝<4ÒP9˛8k®\ïOkúG
    $Pk⁄ô=KÇ\@⁄_Sìîïöˇ!"b˚#õk$%ìîï\AªkúG
    $QRZ=k{STüQU*ô≈S{eW\£≈ù¶ëü()%úG
    ¶lƒòzK¡%∂˚;SÛªü&'ëíìîïZ(˛8)*8ìîïúù!"[email protected]"!ûûC9TÜ=:?9⁄ûCS"û/».-:.©†ç0
    ìî(O/lV
    ìî(O-lV
    W ïñÛªlPaOÏ`b˛O
    X ïñÛªlYZV%läãÒÚ\ïOù
    [ æø\Ñ[¯5{M—/∑]^$˙àl_\\£≈ù

    View Slide

  40. =>dZ·‚è@ Äáà}Ǫ{äÇ|ËCwxyz{}{Ç|à}Å
    ¨`=KÇüìîlZ=klÅÇ[email protected]>CÜáCSÜ>ÜD”l˘˙öa5{Bµ∂.‹Z
    ·‚è@ìîVüå8flr⁄ôÏf
    gÒÚü(:⁄_åô°G
    fgÒÚüÉë„^5*ù
    bªbªlVG

    View Slide

  41. :;d Ø∞£±01
    Ö@¶lc%∂5¿ï*l{–deÛªÿèl¨÷%S’‘lf√bK*5
    gh†S€Ëü¨òkúGÖ@åù°\deúùjk\fi`kúG
    deÛªZ=kl¨
    deÛªÿèl¨
    Ñ… ìÂS€(S1zÖ@#[ìlVl¨
    Ö@ZHÇ√O6
    ƒaKP]¥

    View Slide

  42. :;d Ø∞£±01
    ˆ5b¬vKc°ÏSÚmn%4Mƒ®l(µü¯p%†kúG
    ®ßƒülV\'KùëƒaKPü˜¯˙˚kúG
    lV
    уaKP˜¯
    6axö\`√5`
    úùëop˜¯˘˙

    View Slide

  43. 公平性 バイアス検知の⽅法
    perturbation
    analysis
    ⼊⼒データの
    バリエーションを増やす
    監視対象
    モデル
    Payloadだけではデータが不⾜している場合、OpenScaleは⼊⼒データのバリ
    エーションを増やし(perturbation analysis)、それぞれの結果を⾒ることで、バ
    イアスの有無を検知します。
    payloadから
    取得した記録
    増やしたデータに関して、
    モデルを呼び出し結果を
    調べる
    結果を統計的に処理
    してバイアスの有無
    を判断

    View Slide

  44. :;d Ø∞£±01Z23
    v[=KÇ–w∞ô∫5SZ=klfgÒÚlÀªüÅÇS4Mƒ®ü∂ùëÖ@'•K8ïZ97î(˝Ä:∞1(2Å :;d;Sî(˝Ä?€Åö@AT˘˙
    –4Mƒ®∂ª÷l
    ˜¯

    View Slide

  45. :;dÄ»{|ª}ääÅCBCè@
    Ö@åkúGa]vÇO\–Ø∞£±BCD∫÷5˜ª9∞ùëSxyZ=k%∂˚;lŸr*
    úî5*⁄_åô°lDE\˜¯%†kúG

    View Slide

  46. :;dÄ»{|ª}ääÅCERFG
    %¨z{{S&'ìlÚ„35QU%SèêëíìîïbHõk1Icщ%úG
    ôròSlÿè\#$ìlÛª5úù°{ÎKÏKü:¨úùîïü∂ªkúG
    ÒÄERÚÛÅ
    $ZHÇÛª√ì Ñ… ìÂà
    $Œ◊*6kKò Ñ… |ìàS‚◊*6kKò Ñ… }ìà
    $èê(O Ñ… hi√®`Œ‘à
    $Œ◊*ÒÚ Ñ… √®`*òà
    $‚◊*ÒÚ Ñ… √®`∂ªà

    View Slide

  47. 説明性・公平性 サポート対象モデル
    説明性と公平性は、管理対象がどのような種類のモデルかにより、対応の有無が
    異なります。現在のサポート状況を整理すると、下の表のようになります。
    モデル種別 対象データ 説明性 公平性 公平性緩和 精度
    分類 構造データ Yes Yes Yes ※ Yes
    回帰 構造データ Yes Yes No Yes
    分類 テキスト Yes No No No
    分類 イメージ Yes No No No
    ※ モデルが確率値を返すタイプのものである必要があります。

    View Slide

  48. 説明性・公平性 サポート対象フレームワーク
    説明性・公平性は、フレームワークによってもサポートの有無が違ってきます。
    最新の状況については、下記リンク先を参照してください。
    Watson Machine Learning
    Azure
    ML Studio
    AWS
    SageMaker
    Custom/Python
    function
    分類 構造データ
    Apache Spark Mllib
    Python function
    XGBoost
    scikit-learn
    Native Native WMLと同じ
    回帰 構造データ
    Python function
    XGBoost
    scikit-learn
    n/a n/a n/a
    分類 テキスト Keras with TensorFlow(※1) n/a n/a n/a
    分類 イメージ Keras with TensorFlow(※1) n/a n/a n/a
    参照: https://cloud.ibm.com/docs/services/ai-openscale?topic=ai-openscale-frmwrks-wml&locale=ja

    View Slide

  49. 3. チュートリアルツアー体験
    ⾃動セットアップについて
    ⾃動セットアップはデモ⽤のセットアップ(設定、デモデータのロード等)を
    ⾃動で⾏い、実際にWatson OpenScaleで何ができるのかを体験することが
    できます。
    以下の順序で実施します。
    1. IBM Cloudへのログイン
    2. Watson OpenScaleサービスの作成・起動
    3. ⾃動セットアップの実施(待ち時間約10分)
    4. Watson OpenScaleを体験(モデル・モニターでのインサイト表⽰)

    View Slide

  50. ©—/:" ÑCD"?á"Ö@ä∑ëãvÇO\`√5`ò*üÏó&åΩ+≈ù
    Ñ4äçéà
    8ŸN(FG+
    ÑCD"?á"Ö@<5{SèêS&'SS’S
    GfKPl©fll>*ëíü∂ªkúG

    View Slide

  51. ©—-:" ó&\åΩ+≈–∑ë÷vÇO\`√5`úù
    Ñ4äçéà
    OP/EFŒÎ(2
    èêˆ5b¬vKc5{SZHÇ√O6ò_åù
    Z=kü˜¯˙˚kúG
    Ñ4äçéà
    /EFŒÎ([email protected]
    –ˆ5b¬vKc5ìw÷vÇO\@ÿúùë
    Z=klZHÇ√O6\S’ò_Z=k\
    ˆ5b¬vKc5ìw%†kúG

    View Slide

  52. ©—ç:" ó&\åΩ+≈–∑ljƒK÷vÇOü˜¯˙˚ôÏ`√5`úù
    Ñ4äçéà
    ìîïuì*˝(
    îZHÇ√O6ÛªZ=k{Sˆ5b¬vKc5
    ÇMkëò_˜¯˙˚kúGZ=k$ÇMk\
    `√5`úùëSZHÇ√O6lopüh†kúG
    Ñ4äçéà
    ìîïRS
    îZ=k$ÇMk%S#$ìSflêS|ŸÃ
    c√xPl≤“l:ï\˜¯òkúGò†åV
    Çñl∂ù:ï5{S‡·5óüò†kúG

    View Slide

  53. ©—©:"GOòk%ÿÓ˙˚_åù–˝ÿ√®`Z=k щ9à"÷
    lbJ√]ëZ=kl/0lop\ä∑ëãkô{äM`√5`ò_¯púù

    View Slide

  54. ©—2:"bJ√]l&'ô˝ÿ√®`lbJ√]
    "!"#$%&'()*+,-
    ./0123456(789/
    :;<=/>[email protected]%ABCDE
    FG?HIJKLAM N%"
    OP?QR(7/PS?TUB
    #VE6WX$(7/YZ[\
    ]DE^,_/`ab?cdA
    Befb?fghiZLZ#"
    bJ√]\¯pòôÏä∑ëãkô{äM

    View Slide

  55. ©—»:"bJ√]l&'ô˝ÿ√®`lbJ√]
    “jklDmnl
    op*EqrZJ6st5u
    v"wx?efby89ZJ
    KBz{|z?}~AB/E
    Watson OpenScale y{/
    |EÄÅÇz?ÉÑZJRÖ
    ÜKM "
    öõ\¯pòôÏä)≈kò*rãkô{ä‚

    View Slide

  56. ©—é:" /0Gù√K|ŸÃ#$ìe®Pl¯p Ñ/û2ë-û2à
    ó&\åΩ+≈–∑ë÷vÇO\`√5`úù
    Ñ4äçéà
    TUZ‰V
    /0lï%˘˙5{S¥Él/0
    °Ïle®PÒÚü˜¯˙˚k
    úG
    Ñ4äçéà
    :;dW±œ
    :ïH`b˛O5{/0lÒÚü˜¯˙˚kúG#$ì{S
    Z=kü6kKòË%ûkòåÒÚ\˚rÁü15úú
    °\¯òkúG

    View Slide

  57. ©—0:" flêe®P|ŸÃc√xPe®Pl¯p Ñçû2ë©û2à
    ó&\åΩ+≈–∑ë÷vÇO\`√5`úù
    Ñ4äçéà
    XYW±œ
    flê{SxfKc45`$=KÇë;;˚ù
    aNkò†e®P$=KÇ5ghå_[òå
    ÒÚ\úúZ=kl)î\˜òkúG G
    Ñ4äçéà
    2•KœW±œ
    c√xP{[ó\kô{=KÇl~ÇìlX'5
    flå_†áòkúG

    View Slide

  58. ©—†:" #$ìl/0l¯p Ñ2û2à
    ó&\åΩ+≈–∑ljƒK÷vÇO\`√5`úù
    Ñ4äçéà
    :ïV\`√5`úùëSÒÚlopü˜¯˙˚kúG∑5S
    #$ìZHÇK\s_Ωkò*rG

    View Slide

  59. ©—/.:" #$ìZHÇ√O6l¯p Ñ/û2ë-û2à
    ó&\åΩ+≈–∑ë÷vÇO\`√5`úù

    View Slide

  60. ©—//:" #$ì®ßƒl¯p Ñçû2à
    ó&\åΩ+≈–∑ë÷vÇO\`√5`úù

    View Slide

  61. ©—/-:" #$ì®ßƒlÚËê(µl¯p Ñ©û2à
    ó&\åΩ+≈–∑ë÷vÇO\`√5`úù

    View Slide

  62. ©—/ç:" #$ì®ßƒlÚËê(µl¯p Ñ2û2à
    ó&\åΩ+≈–∑ljƒK÷vÇO\`√5`úù

    View Slide

  63. ©—/©:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñ/ûéà"
    ü°`=KÇ$H5P

    View Slide

  64. ©—/2:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñ-ûéà"
    #$ì®ßƒ

    View Slide

  65. ©—/»:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñçûéà"
    ~MzKc$=KÇ$H5P

    View Slide

  66. ©—/é:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñ©ûéà"
    ¢£=KÇ$H5P

    View Slide

  67. ©—/0:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñ2ûéà"
    4Mƒ®xyıΩl=KÇ$H5P

    View Slide

  68. ©—/†:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñ»ûéà"
    #$ìl§ö

    View Slide

  69. ©—-.:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñéûéà"
    PaOÏ`b˛Ol˜¯
    ä∑ljƒKã\`√5`ò_∑5+»

    View Slide

  70. ©—-/:" /0ıΩPaOÏ`b˛Ol¯p Ñ/û©à"
    /0ıΩPaOÏ`b˛Ol˜¯

    View Slide

  71. ©—--:" /0ıΩPaOÏ`b˛Ol¯p Ñ-û©à"
    6kKò$4Mƒ®

    View Slide

  72. ©—-ç:" /0ıΩPaOÏ`b˛Ol¯p Ñçû©à"
    ¬‹l4Mƒ®

    View Slide

  73. ©—-©:" /0ıΩPaOÏ`b˛Ol¯p Ñ©û©à"
    PaOÏ`b˛Ol&'

    View Slide

  74. ©—-2:" PaOÏ`b˛Olop¯p Ñ/û2à"
    Z=kÒÚl&'

    View Slide

  75. ©—-»:" PaOÏ`b˛Olop¯p Ñ-û2à"
    ¥–¿ï*∂•¶

    View Slide

  76. ©—-é:" PaOÏ`b˛Olop¯p Ñçû2à"
    Z=k[Al¸ñ

    View Slide

  77. ©—-0:" PaOÏ`b˛Olop¯p Ñ©û2à"
    ÂlÒÚ5*ù

    View Slide

  78. ©—-†:" PaOÏ`b˛Olop¯p Ñ2û2à"
    ›lÂlbJ√]lß˝
    ä∑ljƒKãvÇO\`√5`ò_∑5+»

    View Slide

  79. ©—ç.:" c√xP$ZHÇ√O6 Ñ/û»à
    c√xP$ZHÇK

    View Slide

  80. ©—ç/:" c√xP$ZHÇ√O6 Ñ-û»à
    [ó\lX'

    View Slide

  81. ©—ç/:" c√xP$ZHÇ√O6 Ñçû»à
    [ó\lÚËê(µ

    View Slide

  82. ©—ç/:" c√xP$ZHÇ√O6 Ñ©û»à
    GfKP:ï

    View Slide

  83. ©—ç-:" c√xP$ZHÇ√O6 Ñ2û»à
    =KÇ~ÇìlX'

    View Slide

  84. ©—çç:" c√xP$ZHÇ√O6 Ñ»û»à
    op\˜¯
    ä∑ljƒKãvÇO\`√5`ò_∑5+»

    View Slide

  85. ©—ç©:" c√xP Ñ/û-à
    PaOÏ`b˛OPÇ

    View Slide

  86. ©—ç2:" c√xP Ñ-û-à
    Œsë*⁄_åù∂•¶
    ä∑ljƒKãvÇO\`√5`ò_∑5+»

    View Slide

  87. ©—ç»:" PaOÏ`b˛O Ñ/û-à
    PaOÏ`b˛O$√®P

    View Slide

  88. ©—çé:" PaOÏ`b˛O Ñ-û-à
    ®©\¸Œ
    äN'ãvÇO%N'úùG

    View Slide

  89. 実際にモデルを登録してWatson OpenScaleを使うには
    実際にモデルを登録してWatson OpenScaleを使うには、pythonでSDKを使って
    コードを書き、実⾏して設定を⾏うことが通常必要です。
    • Watson Machine Learningのモデルを使う場合は、モデル登録にpythonでの
    登録が必要です。
    • AutoMLなど他社のモデルを使う場合は、ペイロードロギング等に通常は
    何かしらのコードの実⾏が必要です。
    • もちろん⼀部はGUIで実施可能です。

    View Slide

  90. Watson OpenScale Python SDK チュートリアル (上級)
    下記のタスクを実⾏する⽅法を学習できるコンテンツです。
    • Python ノートブックを実⾏して機械学習モデルを作成、トレーニング、
    およびデプロイする
    • データマートを作成し、パフォーマンス、正確度、公平性のモニターを
    構成し、モニター対象のデータを作成する
    • Watson OpenScale の「インサイト」タブで結果を表⽰する
    https://cloud.ibm.com/docs/ai-openscale?topic=ai-openscale-crt-ov

    View Slide

  91. äßK®%A’òô√≤K®\≥¥úù™?
    /: ,67"‰>?!Aˆ5b¬vKc5z6MOúù
    -: ä√≤K®lï%ãläúO_˜¯ã\ÃÕúù
    ç: ä8<9=ÜB©: A’˙˚ô-fllGKı®∏lπ[email protected]‹\`√5`òä≥¥ã\ÃÕúù
    ÄGKı®∏{¬‹5Ê*ùô≈S¢£l˘˙\æ¯p8r˙åG
    ! ÑCD"?á"Ö@! QÖ>—TTT

    View Slide

  92. ,67"‰>?!A5NúùxfKc45`æ∫îl|ãå
    ,67"‰>?!Aˆ5b¬vKc°ÏäÌ44;6+‰™ãvÇO\`√5`ò_åôr8¶ë%
    æÓsSBªïû\xfKc45`ò_åôr8¶ëü()%úG

    View Slide

  93. まとめ
    • AIの実⽤化には、「公平性」や「説明性」が
    重要な課題となってきている
    • 「IBM Watson OpenScale」は、AIの公平性の分析、
    不公平なバイアスの軽減、説明性の実現が可能である

    View Slide

  94. 4. |úú≈∆« –hi≤§ÁGMPIBM Developer
    ibm.biz/IBMDevJP
    ¥É∆«L®≠kƒ5ò5jΩfl»æ...\^∞ùmn=

    View Slide

  95. |úú≈∆« – IBM Code Patterns
    https://ibm.biz/ibmcodejp
    ó& ø"=Z[˘ ø"≤K®ßKcü¿⁄ôƒò√hiôÇKOP

    View Slide

  96. Microsoft Azure ML × Watson OpenScale 学習資料
    Watson OpenScale を利⽤して Azure での機械学習を
    モニタリングする (Code Patterns)
    Microsoft Azure で機械学習モデルを作成し、Watson OpenScale を利⽤して
    ペイロードのロギングとモデルの公正さをモニタリングする⽅法について紹介
    https://developer.ibm.com/jp/patterns/monitor-azure-machine-learning-studio-models-with-ai-openscale/
    https://developer.ibm.com/jp/patterns/monitor-azure-machine-learning-studio-models-with-ai-openscale/
    GitHub IBM/monitor-azure-ml-with-watson-openscale

    View Slide

  97. AWS SageMaker × Watson OpenScale 学習資料
    Watson OpenScale を利⽤して SageMaker での機械学習を
    モニタリングする (Code Patterns)
    AWS SageMakerで機械学習モデルを作成し、Watson OpenScale を利⽤して
    ペイロードのロギングとモデルの公正さをモニタリングする⽅法について紹介
    https://developer.ibm.com/jp/patterns/monitor-amazon-sagemaker-machine-learning-models-with-ai-openscale/
    https://github.com/IBM/monitor-sagemaker-ml-with-watson-openscale
    GitHub IBM/monitor-sagemaker-ml-with-watson-openscale

    View Slide

  98. 免責事項
    IBM Developer Dojoは開発者の⽅を対象に、IBM Cloudを主とした技術情報をお伝えする⽬的で開催しています。
    講師や運営スタッフにより、開催毎に最適と判断した内容でお届けしています。
    現在、ハンズオンを伴う講義はお客様の費⽤負担がない環境と⼿順でご案内しています。講義終了後、不要に
    なりました制作物はお客様ご⾃⾝で削除をお願いいたします。クレジットカードの登録が伴わない場合、費⽤は
    ⼀切発⽣致しませんが、ご登録いただいたお客様はご注意ください。
    講師陣はみなさまの利⽤状況を個別に確認することはできません。
    ご理解とご協⼒をお願いいたします。
    利⽤したサービスの削除⽅法については講義の中でご案内します。
    ご不明な点がございましたら、当⽇確認をお願いいたします。
    講義終了後、 IBM Developer Dojoに関するお問い合わせは「Slack」にお願いします。それ以外のIBM Cloud
    のお問い合わせにつきましては、弊社サポートセンターまで、次のいづれかの⽅法でお問い合わせください。
    IBM Cloudダッシュボードの「サポート」メニューから「Case」を作成し、英語でご記⼊ください
    IBM Cloudサポートセンター「相談する」ボタンからチャットまたは電話でご連絡ください
    https://www.ibm.com/jp-ja/cloud/support
    ご参加ありがとうございました。

    View Slide