面向工业应用中 XAI 的 MLOps 架构
软件工程
2023-10-23 v2 人工智能
摘要
机器学习（ML）已成为工业领域中的流行工具，因其有助于改进运营、提高效率并降低成本。然而，在生产环境中部署和管理 ML 模型可能很复杂。这正是 Machine Learning Operations（MLOps）的用武之地。MLOps 旨在简化该部署与管理流程。其余的 MLOps 挑战之一是对解释的需求。这些解释对于理解 ML 模型如何推理至关重要，是信任与接受的关键。更好地识别错误与改进模型准确性仅是随之而来的两个优势。一个常被忽视的事实是，当准确性尤其是可解释性不满足用户期望时，部署的模型在实践中会被绕过。我们开发了一种新颖的 MLOps 软件架构，以应对将解释与反馈能力集成到 ML 开发与部署流程中的挑战。在 EXPLAIN 项目中，我们的架构在一系列工业用例中实现。所提出的 MLOps 软件架构具有若干优势。它提供了一种在生产环境中管理 ML 模型的高效方式。此外，它允许将解释集成到开发与部署流程中。
引用
@article{arxiv.2309.12756,
title = {Towards an MLOps Architecture for XAI in Industrial Applications},
author = {Leonhard Faubel and Thomas Woudsma and Leila Methnani and Amir Ghorbani Ghezeljhemeidan and Fabian Buelow and Klaus Schmid and Willem D. van Driel and Benjamin Kloepper and Andreas Theodorou and Mohsen Nosratinia and Magnus Bång},
journal= {arXiv preprint arXiv:2309.12756},
year = {2023}
}