Glosario IA
El diccionario completo de la Inteligencia Artificial
Métodos LIME
Técnicas de interpretación local que explican las predicciones individuales mediante la aproximación local del modelo complejo.
Valores SHAP
Enfoque basado en la teoría de juegos para cuantificar el impacto de cada característica en las predicciones del modelo.
Importancia de las Características
Métodos que evalúan la influencia relativa de cada variable de entrada en las decisiones del modelo de aprendizaje automático.
Visualización de Modelos
Técnicas gráficas para representar y comprender la arquitectura, los pesos y el comportamiento de los modelos de IA.
Análisis Contrafactual
Generación de ejemplos mínimamente modificados para cambiar la predicción, ayudando a comprender las condiciones de decisión.
Reglas de Interpretación
Extracción de reglas lógicas comprensibles a partir de modelos complejos para explicar su comportamiento.
Métodos basados en gradientes
Técnicas que utilizan gradientes para visualizar e interpretar redes neuronales profundas.
Árboles de Decisión Interpretables
Modelos basados en estructuras jerárquicas de decisiones que ofrecen una transparencia natural de las predicciones.
Interpretabilidad Causal
Análisis de las relaciones de causa y efecto en los modelos para comprender por qué se hacen ciertas predicciones.
Métricas de Interpretabilidad
Medidas cuantitativas para evaluar la calidad y fiabilidad de las explicaciones generadas por los modelos de IA.
Interpretabilidad Intrínseca
Diseño de modelos nativamente transparentes que no necesitan explicaciones adicionales post-entrenamiento.
Explicaciones en Lenguaje Natural
Generación de descripciones textuales comprensibles para los humanos para justificar las decisiones de los modelos.
Interpretabilidad Multimodal
Técnicas de explicación adaptadas a modelos que procesan simultáneamente varios tipos de datos (texto, imagen, audio).
Auditorías de Equidad
Evaluación sistemática de posibles sesgos y discriminaciones en las decisiones de los modelos de IA.
Interpretabilidad Post-Hoc
Métodos aplicados después del entrenamiento para explicar las decisiones de modelos inicialmente opacos.