Glossário IA
O dicionário completo da Inteligência Artificial
Completude (Completeness)
Indicador que mede a proporção dos fatores verdadeiramente influentes do modelo que são efetivamente capturados e apresentados na explicação gerada.
Especificidade (Specificity)
Métrica que avalia a capacidade de uma explicação de identificar precisamente as características únicas da instância considerada sem generalizar excessivamente para casos não pertinentes.
Sensibilidade (Sensitivity)
Critério quantitativo que mede como as explicações variam sistematicamente em resposta a modificações controladas dos dados de entrada, refletindo a reatividade às mudanças.
Coerência (Coherence)
Critério que mede o alinhamento lógico entre as explicações geradas e o conhecimento do domínio ou os princípios causais estabelecidos, garantindo a plausibilidade das interpretações.
Granularidade (Granularity)
Métrica que quantifica o nível de detalhe das explicações, do nível abstrato (características globais) ao nível fino (valores individuais), adaptado às necessidades do utilizador.
Parcimónia (Parsimony)
Princípio de avaliação que favorece as explicações que utilizam o número mínimo de conceitos ou variáveis necessárias para capturar o essencial do comportamento do modelo.
Relevância (Relevance)
Métrica que quantifica a importância relativa das características explicadas em relação ao seu impacto real na previsão do modelo, frequentemente normalizada entre 0 e 1.
Acionabilidade (Actionability)
Critério que avalia em que medida as explicações fornecem informações acionáveis, permitindo aos utilizadores agir concretamente para modificar as previsões.
Viabilidade (Feasibility)
Critério que avalia o realismo prático das explicações propostas, especialmente em cenários contrafactuais, verificando se as modificações sugeridas são realizáveis.
Discriminabilidade (Discriminability)
Métrica que mede a capacidade das explicações de diferenciar eficazmente entre previsões positivas e negativas, garantindo uma separação clara dos casos.
Complexidade Computacional (Computational Complexity)
Critério quantitativo que avalia os recursos computacionais necessários para gerar as explicações, essencial para a aplicabilidade em larga escala dos métodos XAI.
Cobertura de Variância (Variance Coverage)
Métrica que mede a proporção da variância total das previsões do modelo que é explicada pelas características identificadas na explicação local.
Monotonicidade (Monotonicity)
Critério que avalia se as explicações respeitam as relações monótonas esperadas entre as características e as previsões, garantindo a consistência direcional das interpretações.