Ethical and Explainable AI in Reusable MLOps Pipelines
Created by
- Haebom
Category
Empty
저자
Rakib Hossain, Mahmood Menon Khan, Lisan Al Amin, Dhruv Parikh, Farhana Afroz, Bestoun S. Ahmed
💡 개요
본 논문은 재사용 가능한 MLOps 파이프라인에 윤리적 AI 원칙을 통합하는 통일된 프레임워크를 제안한다. 이 프레임워크는 머신러닝 수명 주기 전반에 걸쳐 공정성, 설명 가능성, 거버넌스를 강제함으로써 편향을 효과적으로 줄이고 모델의 예측 유용성을 유지한다. 특히, 제안된 방법론은 모델 재튜닝 없이 DPD를 0.31에서 0.04로 낮추는 성과를 보였으며, 실제 운영 환경에서도 지속적으로 공정성 및 드리프트 기준을 충족시켰다.
🔑 시사점 및 한계
•
재사용 가능한 MLOps 파이프라인에 자동화된 공정성 검사 및 설명 가능성 아티팩트를 통합하여 운영 흐름을 방해하지 않으면서 윤리적 AI를 실질적으로 구현할 수 있음을 입증하였다.
•
모델 배포 차단 및 자동 재학습 트리거와 같은 메커니즘을 통해 실제 운영 환경에서 일관된 공정성 및 신뢰성을 유지할 수 있다.
•
제안된 프레임워크는 다양한 데이터셋과 운영 환경에서 신뢰할 수 있는 AI 시스템을 구축하는 실용적인 접근 방식을 제공한다.
•
향후 연구는 더 복잡한 데이터셋과 다양한 윤리적 고려 사항에 대한 프레임워크의 적용 가능성을 확장하는 데 초점을 맞출 수 있다.
