Microsoft 负责任 AI
工具和做法
评估、理解并做出有关你的 AI 系统的明智决策。
特色工具和流程
了解可帮助贵组织在整个开发周期中绘制、衡量和管理人工智能风险的工具，以降低危害风险。
Microsoft 负责任 AI 标准
了解 Microsoft 提供的有关如何设计、构建和测试 AI 系统的内部指南。
AI 影响评估指南
探索用于评估 AI 影响的 Microsoft 内部指南。
AI 影响评估模板
获取用于评估 AI 影响的 Microsoft 模板。
AI 红队
通过行业领先 Microsoft AI Red Team 的指导和最佳做法，了解如何保护组织的 AI。
威胁建模
获取视角和资源，帮助你将威胁建模整合到软件开发生命周期 (SDLC) 中。
使用 PyRIT 加速红队
了解开放式自动化框架如何帮助红队发现生成式 AI 系统中的风险。
机器学习中的故障模式
利用此框架识别威胁、攻击和漏洞，并制定应对措施计划。
包容性设计
探索 Microsoft 的包容性设计方法，这种方法能够充分发挥各种各样的观点。
负责任 AI 仪表板
使用负责任 AI 仪表板评估和提高模型的公平性、准确性和可解释性。
Fairlearn
通过安装此开放源代码包，评估 AI 系统的公平性，然后缓解任何观察到的偏差。
InterpretML
借助此开源工具包，了解 ML 模型，包括玻璃箱模型和黑箱系统。
错误分析
使用此负责任的 AI 工具包识别和诊断 ML 模型错误，提高模型准确性。
评估 GenAI 应用
在 Microsoft Foundry 中使用人工评审和 AI 辅助指标评估生成式 AI 应用的质量和安全性。
EconML
使用 ML 技术和此 Python 包估算观察数据的因果影响或响应。
Counterfit
使用通用自动化层评估 ML 系统的安全性。
Microsoft Purview
保护和管理 AI 工具和系统的所有数据合规性。
负责任 AI 工具箱
访问一套开放源代码工具，旨在帮助你负责任地评估、开发和部署 AI。
客户案例
查看各行业的负责任 AI 创新
AI 学习
培养 AI 技能
深入了解如何负责任地使用和开发 AI。
