Une entreprise médicale affine un modèle de fondation à des fins de diagnostic et doit faire preuve de transparence et d'explicabilité pour satisfaire aux réglementations. Quelle solution permet de fournir l'explicabilité et des métriques de modèle simples ?

Amazon SageMaker Clarify est la solution appropriée car il est conçu spécifiquement pour détecter les biais potentiels dans les modèles d'apprentissage automatique et fournir une explicabilité. Il génère des métriques, des rapports et des explications sur le comportement du modèle, ce qui est crucial pour la transparence et la conformité réglementaire dans le domaine médical. Configurer la sécurité et la conformité avec Amazon Inspector est une solution de sécurité générale, pas d'explicabilité de modèle. Chiffrer et sécuriser les données d'entraînement avec Amazon Macie est une mesure de sécurité des données, sans lien direct avec l'explicabilité du modèle. Collecter plus de données et utiliser Amazon Rekognition pour l'étiquetage personnalisé est une stratégie d'amélioration des données et de vision par ordinateur, non pertinente pour l'explicabilité d'un modèle de fondation.