説明
自動生成されるテキスト説明

ボックス 1: はい
透明性を達成することは、チームがモデルのトレーニングに使用されたデータとアルゴリズム、データに適用された変換ロジック、生成された最終モデル、およびその関連資産を理解するのに役立ちます。この情報は、モデルがどのように作成されたかについての洞察を提供し、透過的な方法でモデルを再現できるようにします。
ボックス 2: いいえ
データ所有者は AI システム内のデータを保護する義務があり、プライバシーとセキュリティはこのシステムの不可欠な部分です。個人情報は保護される必要があり、個人のプライバシーを侵害しない方法でアクセスする必要があります。
ボックス 3: いいえ
インクルーシブ性では、AI がすべての人種と経験を考慮する必要があり、インクルーシブなデザインの実践は、開発者が意図せずに人々を排除する可能性のある潜在的な障壁を理解し、対処するのに役立ちます。可能であれば、聴覚、視覚、その他の障害を持つ人々に力を与えるために、音声テキスト変換、テキスト読み上げ、および視覚認識テクノロジーを使用する必要があります。
参照：
https://docs.microsoft.com/en-us/azure/cloud-adoption-framework/innovate/best-practices/trusted-ai

参照：
https://docs.microsoft.com/en-us/azure/bot-service/bot-service-overview-introduction?view=azure-bot-service-4.0

参照：
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural- language-processing

参照：
https://azure.microsoft.com/en-us/services/cognitive-services/text-analytics

セクション: Azure 上の会話型 AI ワークロードの機能について説明する
Explanation:
QnA Maker は、既存のデータ上に会話型の質問と回答のレイヤーを作成できるクラウドベースの API サービスです。これを使用して、FAQ、マニュアル、ドキュメントなどの半構造化コンテンツから質問と回答を抽出し、知識ベースを構築します。ナレッジ ベース内の QnA からの最適な回答を使用して、ユーザーの質問に自動的に回答します。ユーザーの行動から継続的に学習するため、ナレッジ ベースもより賢くなります。
不正解:
A: Azure Custom Vision は、独自の画像分類器を構築、デプロイ、改善できるコグニティブ サービスです。画像分類子は、視覚的特徴に応じて画像にラベル (クラスを表す) を適用する AI サービスです。Computer Vision サービスとは異なり、Custom Vision では適用するラベルを指定できます。
D: Azure Cognitive Services 顔検出 API: 少なくとも、検出された各顔は応答内の faceRectangle フィールドに対応します。この左、上、幅、高さのピクセル座標のセットは、特定された面をマークします。これらの座標を使用して、顔の位置とそのサイズを取得できます。API 応答では、顔が最大から最小のサイズ順にリストされます。
参照：
https://azure.microsoft.com/en-us/services/cognitive-services/qna-maker/