転移学習
あるタスク用に開発されたモデルを関連するタスクに適用する手法であり、開発時間を短縮する一方で、継承されたバイアスの管理が求められる技法です。
新たなタスク固有データを用いて、事前学習済みモデルをファインチューニングする手法です。効率的である一方、転移学習ではベースモデルに内在するバイアスやセキュリティ上の脆弱性も引き継がれます。ガバナンスの観点では、ベースモデルおよびファインチューニング後モデル双方のバイアス評価、ベースモデルの来歴とライセンスの追跡、ならびに法的・倫理的コンプライアンスを確保するためのファインチューニング用データセットとハイパーパラメータの文書化が求められます。
チャットボットチームは、オープンソースのBERTモデルを顧客サービスのトランスクリプトでファインチューニングします。ガバナンス要件では、ベースモデルとファインチューニング後モデルの両方について、顧客属性全体にわたるセンチメントを比較するバイアス監査を義務付けています。さらに、商用利用権を確認するためにベースモデルのライセンスを文書化し、再現性を確保するためにすべてのファインチューニングパラメータを記録します。
私たちは、お客様が答えを見つけるお手伝いをします
Enzaiはどのような問題を解決しますか？
Enzaiは、エンタープライズグレードのインフラストラクチャを提供し、AIリスクとコンプライアンスを管理します。AIシステム、モデル、データセット、ガバナンスの決定が文書化され、評価され、監査可能な中央記録システムを作成します。
Enzai は誰のために作られていますか？
Enzaiは他のガバナンスツールとどのように異なりますか？
既存のAIガバナンスプロセスがない場合でも開始できますか。
AIのガバナンスはイノベーションを遅らせるのか？
Enzaiはどのように進化するAI規制と整合性を保っていますか？
リサーチ、インサイト、更新情報
組織がAIを採用し、管理し、監視する能力を、企業レベルの信頼性で強化します。規模で運営する規制対象の組織向けに構築されています。