標簽中的真相是商業(yè)管理中的一個強有力的概念。它可以確保消費者確切地知道他們所得到的東西，可能的警告和忠告以及如果他們以制造商不認可的方式使用產(chǎn)品，可能會帶來什么風險。

到了時候，我們將標簽的真相帶給了正在大量商業(yè)產(chǎn)品中使用的人工智能標簽。所需要的是一些標準化的方法，以使經(jīng)過訓練的已部署AI模型的精確來源透明化。同樣重要的是，它需要全面披露已測試和認證了AI模型以適合其預期應用領域的各種環(huán)境，以及已在AI中確定的任何偏見和約束(無論是預期的還是其他的)。模型在現(xiàn)場或?qū)嶒炇噎h(huán)境中的實際表現(xiàn)。

人工智能已成為許多企業(yè)中的工業(yè)化流程，在可以使從數(shù)據(jù)準備到建模，培訓和服務的每個流程自動化的工具上創(chuàng)造了高度優(yōu)先級。標簽或注釋是一項關鍵功能，需要在AI開發(fā)和操作工作流的各個階段執(zhí)行。我們需要區(qū)分AI訓練數(shù)據(jù)的標簽-這是數(shù)據(jù)準備，建模和訓練的重要部分-與標記所得的經(jīng)過訓練的AI模型。后一個功能可以提供關鍵的元數(shù)據(jù)，以用于監(jiān)視，控制和優(yōu)化經(jīng)過訓練的機器學習，深度學習，自然語言處理或其他AI模型在下游應用程序中的行為。

為了滿足對訓練有素的AI模型加標簽的要求，Google最近發(fā)布了一個稱為模型卡的元數(shù)據(jù)框架，該框架可用于聲明針對特定用例進行了訓練的機器學習模型的適用性，適當性和局限性。Google已向開發(fā)人員，政策制定者，用戶和其他行業(yè)利益相關者開放的框架，描述了如何創(chuàng)建1-2頁元數(shù)據(jù)文檔的框架，這些文檔預先聲明了經(jīng)過訓練的AI模型是如何設計的，并且可能在其預期的用例中表現(xiàn)。與正在進行的項目的目標一致在AI行業(yè)合作伙伴聯(lián)盟中，Google的框架為AI開發(fā)人員提供了一個詞匯，可以在模型發(fā)布時提前聲明：

用于構建它的算法

用于構建，訓練和驗證的源數(shù)據(jù)

用于培訓并使其保持適合其預期目的的學習方法，過程和頻率

擬在其中使用的上下文

產(chǎn)生最準確推斷的數(shù)據(jù)類型

關于環(huán)境數(shù)據(jù)中各種擾動的推斷精度的魯棒性和公差

關于與特定受眾群體相關的視覺和其他數(shù)據(jù)的推斷中出現(xiàn)特定錯誤，異?；蚱械目赡苄?/p>

它表現(xiàn)最佳和最一致的條件