Google释出模型透明度Model Card工具集，简化生成模型透明度报告

Google释出了可简化机器学习开发者，创建机器学习模型透明度资讯模型卡（Model Cards）任务的工具集，Model Card已经被Google用于跨平台人工智能工作管线框架MediaPipe中，现在Google释出完整的Model Card工具集，助社群成员方便创建模型卡。

机器学习技术已经被大量地用于医疗保健和金融等各个领域，当人们越来越仰赖机器学习模型做出决定，则模型的透明度就越来越重要，让用户得以了解模型计算出结果的依据，Google提到，下游用户需要的资讯各有不同，这些资讯可用来确认模型是否适用于特定案例。

模型卡是Google开发来观察模型透明度的工具，模型卡提供模型来源、使用方法和道德规范相关评估资讯的结构性框架，并且还会提供模型使用限制建议。Google将模型卡用在MediaPipe中，MediaPipe提供了许多用来解决常见电脑视觉任务的模型，而在GitHub储存库除了模型，同时也提供了模型卡，让模型使用者能够更了解模型。

不过，创建这样的模型卡需要大量的时间与人力资源，通常需要对资料和模型效能，进行详细的评估和分析，在许多情况下，还需要另外评估模型在不同资料子集上的效能，并注意模型表现不佳的部分，而且模型卡的创建者，可能还希望能够提供模型的预期用途和局限，以及用户可能需要考量的道德因素等各种资讯。

而为了简化机器学习开发者创建模型卡的复杂度，Google释出了模型卡工具集，这是一系列可以支援开发者，将资讯编译到模型卡的工具，为不同受众创建有用的界面，为了说明模型卡工具集使用方法，Google还发布了Colab教程，帮助使用者上手。

Google在模型卡工具集提供了JSON架构，该架构定义了要包括在模型卡中的字段，并且提供了ModelCard资料API，可用来表示JSON架构的实例，并将其视觉化成模型卡，用户最终可以决定模型卡要显示的指标和图形。

模型卡除了显示关键指标和图形之外，还能补充其他资讯，像是模型预期用途与限制等，Google提到，在模型卡详细说明模型的限制，像是表现不佳的资料段等，这些资讯可以帮助开发人员，将模型应用在适合的使用案例上。

目前Google提供了一个UI模板来视觉化模型卡，而用户也能利用HTML创建不同的模板。现在使用TensorFlow Extended（TFX）的用户，能够使用模型卡工具集，而不使用TFX提供机器学习模型服务的用户，仍可以利用JSON架构，以及HTML模板视觉化方法。