Glossário IA
O dicionário completo da Inteligência Artificial
Métodos de Interpretação Local
Técnicas que explicam previsões individuais como LIME e SHAP
Métodos de interpretação global
Abordagens que analisam o comportamento global do modelo, como Importância de Atributos e PDP
Visualização de modelos
Representações gráficas para entender as decisões do modelo
Modelos transparentes por natureza
Algoritmos intrinsecamente interpretáveis como as árvores de decisão e regressões lineares
Explicações contrafactuais
Cenários alternativos mostrando como mudar uma previsão
Regras de associação e extração
Descoberta automática de regras lógicas a partir de modelos
Análise de causalidade
Identificação das relações de causa e efeito nas decisões da IA
Métricas de avaliação da explicabilidade
Critérios quantitativos para medir a qualidade das explicações
Interpretabilidade de Deep Learning
Técnicas específicas para redes neurais profundas
Explicações interativas
Interfaces que permitem aos usuários explorar as decisões do modelo
Interpretabilidade de modelos de conjunto
Métodos para explicar modelos como Random Forest e Gradient Boosting
Explicações textuais e narrativas
Geração de explicações em linguagem natural compreensível
Interpretabilidade PNL
Técnicas de explicação para modelos de processamento de linguagem natural
Interpretabilidade Visão Computacional
Métodos para visualizar e explicar as decisões de modelos de imagem
Equidade e viés nas explicações
Análise dos aspectos éticos e discriminatórios nas explicações de IA
Interpretabilidade de sistemas multiagentes
Explicação de comportamentos emergentes em sistemas distribuídos
Interpretabilidade temporal
Métodos para explicar previsões em séries temporais
Abstração e simplificação
Técnicas de redução de complexidade para melhorar a compreensão
Explicações causais vs. correlativas
Distinção entre relações de causa e simples correlações nas explicações
Interpretabilidade de sistemas de recomendação
Métodos para explicar as sugestões dos sistemas de recomendação