Formulário Solicitar um modelo de IA

O formulário Solicitar um modelo de IA foi projetado para simplificar o processo de solicitação para desenvolver ou adquirir um modelo de IA. Este formulário de admissão confirma que todos os detalhes necessários, documentos de suporte e considerações de conformidade são capturados antes de prosseguir com o processo de aprovação.

Consulte a tabela a seguir para obter uma descrição dos valores de campos.

Tabela 1. Formulário Solicitar um modelo de IA

Campo	Descrição
Detalhes
Nome	Nome exclusivo do modelo de IA. Por exemplo, ServiceNow Now LLM1,0.
Estado	Indica se o modelo de IA está em um estado de rascunho, desenvolvimento ou implantado. Para obter mais informações sobre os estados, consulte AI asset lifecycle.
Versão	Número da versão do modelo de IA. Por exemplo, v1.0.
Descrição	Breve descrição do sistema de IA, sua funcionalidade principal e uso pretendido. Por exemplo, ServiceNow LLM (Large Language Model, modelo de linguagem grande) é uma solução avançada orientada por IA projetada para aprimorar os recursos de conversação e automatizar fluxos de trabalho no ServiceNow plataforma. Ele aproveita o processamento de linguagem natural para melhorar as interações do usuário, simplificar a entrega de serviços e fornecer informações inteligentes, melhorando a eficiência operacional das empresas.
Responsáveis
Provedor	Organização responsável por fornecer o modelo de IA. Por exemplo, ServiceNow.
Gestão de	Usuário responsável por gerenciar o modelo de IA.
Modelos de terceiros
Cartão de modelo	Documentação detalhada sobre finalidade, arquitetura, desempenho e considerações éticas do modelo de IA para transparência.
Informações de pesos do modelo	Informações adicionais do modelo, se disponíveis. Por exemplo, consulte o projeto de pesos e vieses. Nota: Essas informações são aplicáveis principalmente a modelos de IA desenvolvidos na organização.
Idiomas compatíveis	Idiomas compatíveis com o modelo de IA. Por exemplo, inglês, francês, italiano, alemão, espanhol.
Modelo-base	Modelo de base relevante para o Modelo de IA primário. Um modelo de base é um modelo de IA básico que foi pré-treinado em um grande conjunto de dados e pode ser ajustado ainda mais para casos de uso específicos. Esses modelos servem como um ponto de partida para o desenvolvimento de modelos de IA especializados, adaptando-os a dados e requisitos específicos do domínio. Por exemplo, Mixtral. Nota: Os modelos de base são aplicáveis somente a modelos de IA desenvolvidos na organização.
Procedimento de treinamento	Procedimento usado para treinar o modelo de IA. As opções são as seguintes: Árvores de decisão : Um modelo semelhante a uma árvore usado para tomada de decisões, em que cada nó representa uma condição e ramificações levam a resultados. É amplamente usado para tarefas de classificação e regressão. Aprendizado semi-supervisionado Uma abordagem de aprendizado de máquina que combina uma pequena quantidade de dados rotulados com uma grande quantidade de dados não rotulados para melhorar a eficiência do aprendizado. Ajuste de instrução Um processo em que um modelo de IA é treinado com instruções específicas de tarefa para melhorar sua capacidade de seguir comandos semelhantes a humanos. Ajuste supervisionado Uma técnica em que um modelo pré-treinado é treinado em dados rotulados para melhorar seu desempenho para uma tarefa específica. Redes neurais profundas Um tipo de modelo de IA com várias camadas de neurônio interconectado que pode aprender padrões complexos em dados, usados em aprendizado profundo. Regressão linear Um método estatístico que modela o relacionamento entre uma variável dependente e uma ou mais variáveis independentes usando uma linha reta. Regressão logística Um algoritmo de classificação que prevê resultados categóricos (por exemplo, Sim ou Não) estimando probabilidades usando uma função sigmoide. Floresta aleatória Um método de aprendizado em conjunto que combina várias árvores de decisão para melhorar a precisão e reduzir o superajuste em tarefas de classificação e regressão. Aprendizado supervisionado Uma abordagem de aprendizado de máquina em que os modelos aprendem com dados rotulados, mapeando entradas para saídas corretas. Aprendizado não supervisionado Um método de aprendizado em que os modelos identificam padrões e estruturas em dados não rotulados sem categorias predefinidas. Aprendizado de reforço Uma abordagem de aprendizado em que um agente interage com um ambiente e aprende ações ideais por meio de recompensas e penalidades. Transferir aprendizado Uma técnica em que um modelo pré-treinado é adaptado a uma tarefa nova, mas relacionada, para melhorar o desempenho com menos dados de treinamento.
Janela de contexto	Número de tokens que o modelo de IA pode processar ao gerar respostas ou previsões. Por exemplo, 16385.
Tamanho do modelo em MB	Espaço de armazenamento ocupado pelo modelo de IA em megabytes. Nota: . Tamanho do modelo em MB o campo oferece suporte somente a valores inteiros.
Informações de parâmetros do modelo	Variáveis internas aprendidas durante o treinamento que determinam o comportamento e o desempenho do modelo de IA. Por exemplo, o número de parâmetros do modelo é 175.
Relatório de métricas de avaliação	Resultados da medição de desempenho usados para avaliar a eficácia do modelo de IA durante o teste ou avaliação. Por exemplo, você pode mencionar que a precisão do modelo é de 85% e a taxa de alucinação é de 15%.
Conjuntos de dados de treinamento	Coleção de conjuntos de dados usados para treinar os modelos de IA.
Conjuntos de dados de avaliação	Coleção de conjuntos de dados usados para avaliar ou testar os modelos de IA. Por exemplo, conjunto de dados de incidentes P1.
Detalhes adicionais
Diretrizes de implantação	O processo de integrar e implantar um modelo de IA treinado em um ambiente de produção para uso no mundo real.
Infraestrutura necessária	Descrição dos recursos de hardware e software necessários para implantar e executar o modelo de IA. Por exemplo, você pode mencionar que uma unidade de processamento gráfico (GPU) do tipo A100 é necessária.