2020年5月19日，美国华盛顿州雷德蒙德——微软年度开发者大会 Build 2020 首次以完全数字化的形式在线上开幕。在 48 小时内，微软通过一系列在线直播和互动环节，向来自全球的软件及移动应用开发者、数据科学家、IT 专家社区展示其围绕开发者、智能云、生产力、协作工具等推出的一系列最新举措和成果。
当整个世界共同面对前所未有的巨大挑战时，“Build”之名恰如其分地体现了开发者对于这个世界的特殊意义。今天，全球开发者所肩负的共同使命，就是全力以赴去打造和重塑我们的社区、组织、产业，并最终推动整个世界重回创新发展的轨道。
为了帮助开发者释放最大创新潜力、予力全球每一组织和每一人成就不凡，微软矢志不渝地为组织和开发者提供新的工具和解决方案，确保他们能以有道德、负责任的方式设计、部署人工智能（AI）应用，构建更加高效、互联的生产力体验。
为开发者提供负责任的人工智能和机器学习服务
近几年来，人工智能技术得到了快速的发展和普及，Azure 机器学习服务让每个开发者都能轻松开发自己的算法模型、创建精彩的人工智能应用。与此同时，人们也越来越关注人工智能在道德和法律层面带来的影响和思考，企业和开发者希望能确保其开发的 AI 系统易于解释、消除歧视，并符合法律法规对于隐私保护的相关要求。
为确保向全球开发者和组织提供一个公平、公正的人工智能开发平台，微软宣布推出一系列致力于打造负责任的机器学习的创新，用于帮助开发者在全生命周期中以正确的方式理解、保护和控制机器学习模型。这些 Azure 机器学习功能，同时也在 GitHub 上提供开源。
InterpretML 工具包可用来解释模型中不同参数所代表的意义，帮助开发者理解机器学习模型的行为。北欧航空（SAS）利用 Azure 机器学习服务构建了用来保护其 EuroBonus 会员系统的AI反欺诈体系，并借助 InterpretML 工具包确保机器学习模型对欺诈行为的定义没有误差。
Fairlearn 工具包可以评估和纠正人工智能系统的公平性，从6月起将内置于 Azure 机器学习服务。全球四大会计师事务所之一的安永，在用来自动评估贷款决策的机器学习模型中，应用 Fairlearn 工具包来降低与性别相关的不公平结果——其分析结果显示，起初男性贷款的通过率比女性高 3%。通过修改模型，安永的开发小组改进了方案的准确度，将性别造成的差异降到了 0.43%。
微软与哈佛量化社会科学研究所和工程学院共同开发的 WhiteNoise 工具包可实现差分隐私——在模型从隐私数据中发掘洞察的同时，以统计学原理确保姓名、生日之类的隐私信息得到完善的保护。例如，几所医院合作构建一个验证癌症疗法有效性的预测模型，借助差分隐私技术可以满足法律对于隐私信息保护的各项规定，以免任何个人信息从模型中泄露出去。
Azure 机器学习内置的机器学习运维（MLOPs）让开发者可以对构建、训练、部署模型的全过程进行跟踪和自动化控制，这可以为企业提供满足监管、合规相关要求所必需的审查跟踪记录。
文章来源：微软官网
