Bonne réponse
Explication
Les actions décrites —consigner les recommandations de l'AI, examiner les résultats indésirables pour déterminer la source de l'erreur et affecter un comité de surveillance clinique— mettent directement en œuvre le principe d'Accountability. Accountability exige que les organisations attribuent clairement la responsabilité des sorties du système d'AI et disposent de processus pour examiner et traiter les impacts, ce qui correspond exactement à ce que fait l'entreprise en créant une boucle de révision humaine et un comité désigné.
Pour aller plus loin
Accountability dans le cadre de l'AI responsable de Microsoft signifie que les personnes et les organisations restent comptables des résultats des systèmes d'AI, ce qui est opérationnalisé par le biais d'organes de gouvernance, d'une surveillance documentée et de pistes d'audit. Consigner chaque recommandation et confier à un comité clinique l'examen des résultats indésirables crée la chaîne de preuves et l'appropriation humaine qu'exige Accountability. Cela diffère de Transparency, qui concerne l'explication du fonctionnement du modèle, et de Reliability and safety, qui concerne des performances constantes et sûres. Dans le domaine de la santé, cela importe car les régulateurs et les comités d'éthique attendent une partie responsable désignée et un processus d'examen, et non seulement une fiche de modèle, de sorte que le comité de surveillance et la consignation sont les mécanismes concrets qui satisfont le principe.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement AI-900 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.