Glosario IA
El diccionario completo de la Inteligencia Artificial
Igualdad de Tasas
Métrica de equidad que requiere que las tasas de predicción positiva sean independientes del grupo demográfico, condicionalmente al resultado verdadero.
Análisis Contrafactual
Técnica de interpretabilidad que evalúa cómo cambiaría la predicción de un modelo si ciertas características de un individuo, especialmente su pertenencia a un grupo, fueran modificadas.
Paridad Predictiva
Criterio de equidad según el cual el valor predictivo positivo debe ser el mismo para todos los grupos, asegurando que las predicciones positivas tienen una fiabilidad uniforme.
Eliminación de Sesgos Adversariales
Método de mitigación de sesgos que utiliza una red neuronal adversarial para aprender representaciones de datos invariantes con respecto al atributo sensible.
Calibración por Grupo
Proceso de ajuste de los puntajes de probabilidad de un modelo para asegurar que las predicciones estén bien calibradas dentro de cada subgrupo demográfico.
SHAP para la Equidad
Aplicación de los valores SHAP (SHapley Additive exPlanations) para cuantificar y visualizar cómo las características sensibles contribuyen a las predicciones discriminatorias de un modelo.
Función de Pérdida Equitativa
Modificación de la función objetivo de un algoritmo de aprendizaje para integrar penalizaciones o restricciones que fomenten el cumplimiento de ciertas métricas de equidad.
Proxy de Atributo Sensible
Variable no sensible que está fuertemente correlacionada con un atributo protegido (ej. código postal para etnia), que puede ser utilizada por el modelo para perpetuar una discriminación indirecta.
Tratamiento Dispar
Forma de sesgo donde las tasas de error de clasificación (falsos positivos, falsos negativos) difieren significativamente entre los grupos demográficos.
Reponderación
Técnica de preprocesamiento que ajusta el peso de cada ejemplo de entrenamiento para equilibrar la distribución de grupos y resultados, reduciendo así el sesgo del modelo.
Independencia Mutua
Criterio de equidad formal que exige que la predicción del modelo sea estadísticamente independiente del atributo sensible, medible por la información mutua.