Google釋出模型透明度Model Card工具集，簡化生成模型透明度報告

Google釋出了可簡化機器學習開發者，創建機器學習模型透明度資訊模型卡（Model Cards）任務的工具集，Model Card已經被Google用於跨平臺人工智慧工作管線框架MediaPipe中，現在Google釋出完整的Model Card工具集，助社群成員方便創建模型卡。

機器學習技術已經被大量地用於醫療保健和金融等各個領域，當人們越來越仰賴機器學習模型做出決定，則模型的透明度就越來越重要，讓用戶得以了解模型計算出結果的依據，Google提到，下游用戶需要的資訊各有不同，這些資訊可用來確認模型是否適用於特定案例。

模型卡是Google開發來觀察模型透明度的工具，模型卡提供模型來源、使用方法和道德規範相關評估資訊的結構性框架，並且還會提供模型使用限制建議。Google將模型卡用在MediaPipe中，MediaPipe提供了許多用來解決常見電腦視覺任務的模型，而在GitHub儲存庫除了模型，同時也提供了模型卡，讓模型使用者能夠更了解模型。

不過，創建這樣的模型卡需要大量的時間與人力資源，通常需要對資料和模型效能，進行詳細的評估和分析，在許多情況下，還需要另外評估模型在不同資料子集上的效能，並注意模型表現不佳的部分，而且模型卡的創建者，可能還希望能夠提供模型的預期用途和侷限，以及用戶可能需要考量的道德因素等各種資訊。

而為了簡化機器學習開發者創建模型卡的複雜度，Google釋出了模型卡工具集，這是一系列可以支援開發者，將資訊編譯到模型卡的工具，為不同受眾創建有用的介面，為了說明模型卡工具集使用方法，Google還發布了Colab教程，幫助使用者上手。

Google在模型卡工具集提供了JSON架構，該架構定義了要包括在模型卡中的欄位，並且提供了ModelCard資料API，可用來表示JSON架構的實例，並將其視覺化成模型卡，用戶最終可以決定模型卡要顯示的指標和圖形。

模型卡除了顯示關鍵指標和圖形之外，還能補充其他資訊，像是模型預期用途與限制等，Google提到，在模型卡詳細說明模型的限制，像是表現不佳的資料段等，這些資訊可以幫助開發人員，將模型應用在適合的使用案例上。

目前Google提供了一個UI模板來視覺化模型卡，而用戶也能利用HTML創建不同的模板。現在使用TensorFlow Extended（TFX）的用戶，能夠使用模型卡工具集，而不使用TFX提供機器學習模型服務的用戶，仍可以利用JSON架構，以及HTML模板視覺化方法。