Glosario IA
El diccionario completo de la Inteligencia Artificial
Interpretabilidad Sensible al Contexto
Enfoque de la explicabilidad de los modelos de IA que adapta la naturaleza, el nivel de detalle y el formato de las explicaciones al dominio de aplicación específico y a las características del público objetivo.
Explicación Contingente
Método que genera explicaciones cuyo contenido y presentación varían dinámicamente según el contexto de uso, los conocimientos previos del usuario y las restricciones regulatorias del sector.
Personalización Semántica
Técnica de adaptación del vocabulario y los conceptos utilizados en las explicaciones de un modelo para alinearlos con la terminología y el marco de referencia específicos de un dominio de especialización.
Perfiles de Interpretabilidad
Modelos que definen las preferencias y capacidades de comprensión de diferentes tipos de usuarios (expertos, novatos, reguladores) para calibrar las explicaciones generadas por un sistema de IA.
Analogía Específica del Dominio
Estrategia de explicación que utiliza metáforas y comparaciones extraídas del dominio de aplicación para hacer comprensibles los mecanismos complejos de un modelo de IA a un público no técnico.
Ventana de Explicación Contextual
Delimitación del alcance de una explicación para centrarse únicamente en las variables e interacciones relevantes para una decisión dada, según el contexto operativo.
Ontología de Explicabilidad
Estructura formal de conocimiento que mapea los conceptos de un modelo de IA a las entidades y relaciones de un dominio específico, facilitando la generación de explicaciones coherentes y relevantes.
Niveles de Abstracción Adaptativos
Capacidad de un sistema de explicación para modular la granularidad de los detalles proporcionados, pasando de una vista macroscópica del funcionamiento del modelo a un análisis microscópico de sus componentes según las necesidades del usuario.
Explicación Multi-Audiencia
Generación simultánea de múltiples versiones de una misma explicación, cada una adaptada para un tipo de audiencia distinto (clínico, paciente, administrador) manteniendo la coherencia semántica.
Anclaje Terminológico
Proceso de vinculación de las características técnicas de un modelo (características, pesos) con conceptos y términos concretos y familiares del dominio de aplicación para mejorar la legibilidad de las explicaciones.
Escenificación de Explicación
Método que estructura las explicaciones en forma de narración o escenario adaptado al flujo de trabajo y los procesos de toma de decisiones típicos del dominio de aplicación objetivo.
Filtro de Pertinencia Contextual
Mecanismo que evalúa y selecciona los factores de influencia más significativos para una predicción específica, basándose en criterios de pertinencia definidos por el contexto empresarial.
Generador de Explicaciones Condicionales
Sistema que produce explicaciones cuya forma y contenido están condicionados por reglas empresariales, restricciones éticas y el nivel de riesgo asociado a la decisión del modelo.
Cartografía Conceptual para IA
Herramienta de visualización que representa las relaciones entre las variables de entrada de un modelo y los conceptos clave de un dominio, permitiendo una interpretación intuitiva por parte de expertos del negocio.
Explicación Guiada por el Rol
Enfoque donde el contenido y el objetivo de la explicación están determinados por la función del usuario en su organización (ej: validación, auditoría, acción correctiva).
Adaptación Pragmática de la Explicación
Ajuste de las explicaciones para que no solo sean comprensibles, sino también directamente utilizables en el marco de las acciones y decisiones propias del dominio de aplicación.
Lenguaje de Explicación Específico del Dominio (DSL)
Lenguaje formal o informal, con su sintaxis y gramática, diseñado para expresar los razonamientos de un modelo de IA de manera natural y precisa para los profesionales de un campo especializado.
Calibración de la Confianza Contextual
Método para ajustar la presentación de las incertidumbres y los niveles de confianza de un modelo en función de los umbrales de riesgo y los estándares de prueba aceptados en un dominio dado.