Generación de explicaciones basadas en ejemplos y contraejemplos a través de técnicas de Visual Question Answering

La poca transparencia en los modelos de Inteligencia Artificial (IA) se presenta como uno de los retos hoy en día en la industria. Esta poca transparencia se refiere a lo complicado de explicar cómo los grandes modelos de inteligencia artificial logran tomar una decisión. Por ello cobra importancia...

ver descrição completa

Detalhes bibliográficos
Autor: Bastardo Rojas, Ángel
Formato: tesis de maestría
Fecha de publicación:2025
País:España
Recursos:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/122638
Acesso em linha:https://hdl.handle.net/20.500.14352/122638
Access Level:acceso abierto
Palavra-chave:004(043.3)
Inteligencia Artificial
Explicabilidad
Large Lenguage Model
Visual Question Answering
Razonamiento Basado en Casos
XAI
Artificial Intelligence
Explainability
Large Language Model
Case-Based Reasoning
Informática (Informática)
33 Ciencias Tecnológicas
id ES_02fcd540de78ea2f0a095cb515199769
oai_identifier_str oai:docta.ucm.es:20.500.14352/122638
network_acronym_str ES
network_name_str España
repository_id_str
spelling Generación de explicaciones basadas en ejemplos y contraejemplos a través de técnicas de Visual Question AnsweringGeneration of explanations based on examples and counterexamples through Visual Question Answering techniquesBastardo Rojas, Ángel004(043.3)Inteligencia ArtificialExplicabilidadLarge Lenguage ModelVisual Question AnsweringRazonamiento Basado en CasosXAIArtificial IntelligenceExplainabilityLarge Language ModelVisual Question AnsweringCase-Based ReasoningInformática (Informática)33 Ciencias TecnológicasLa poca transparencia en los modelos de Inteligencia Artificial (IA) se presenta como uno de los retos hoy en día en la industria. Esta poca transparencia se refiere a lo complicado de explicar cómo los grandes modelos de inteligencia artificial logran tomar una decisión. Por ello cobra importancia la Inteligencia Artificial Explicable (XAI), campo de la inteligencia artificial que consiste en diseñar sistemas o métodos para hacer más transparente y fácil de comprender los mecanismos internos de los modelos de IA para los usuarios. En este Trabajo de Fin de Máster se propone un sistema de Case-Based Reasoning (CBR) que usa modelos de lenguaje multimodal, en concreto Large Lenguage Models (LLMs) para Visual Question Answering (VQA) y métricas de similitud textual y semántica, generando explicaciones basadas en ejemplos (factual) y contraejemplos (counter-factual). El método utiliza un modelo multimodal para crear descripciones textuales de imágenes y se utilizan métricas de similitud para recuperar las explicaciones y reutilizar la información textual generada anteriormente. Ambos enfoques (factual y conuterfactual) se han evaluado de forma offline y online, con usuarios reales, obteniendo resultados que indican que el método propuesto en este trabajo mejora la explicabilidad ante métodos tradicionales encontrados en la literatura.Caro Martínez, MartaUniversidad Complutense de Madrid20252025-01-0120252025-01-01master thesishttp://purl.org/coar/resource_type/c_bdccAMhttp://purl.org/coar/version/c_ab4af688f83e57aainfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/122638reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/1226382026-06-02T12:44:21Z
dc.title.none.fl_str_mv Generación de explicaciones basadas en ejemplos y contraejemplos a través de técnicas de Visual Question Answering
Generation of explanations based on examples and counterexamples through Visual Question Answering techniques
title Generación de explicaciones basadas en ejemplos y contraejemplos a través de técnicas de Visual Question Answering
spellingShingle Generación de explicaciones basadas en ejemplos y contraejemplos a través de técnicas de Visual Question Answering
Bastardo Rojas, Ángel
004(043.3)
Inteligencia Artificial
Explicabilidad
Large Lenguage Model
Visual Question Answering
Razonamiento Basado en Casos
XAI
Artificial Intelligence
Explainability
Large Language Model
Visual Question Answering
Case-Based Reasoning
Informática (Informática)
33 Ciencias Tecnológicas
title_short Generación de explicaciones basadas en ejemplos y contraejemplos a través de técnicas de Visual Question Answering
title_full Generación de explicaciones basadas en ejemplos y contraejemplos a través de técnicas de Visual Question Answering
title_fullStr Generación de explicaciones basadas en ejemplos y contraejemplos a través de técnicas de Visual Question Answering
title_full_unstemmed Generación de explicaciones basadas en ejemplos y contraejemplos a través de técnicas de Visual Question Answering
title_sort Generación de explicaciones basadas en ejemplos y contraejemplos a través de técnicas de Visual Question Answering
dc.creator.none.fl_str_mv Bastardo Rojas, Ángel
author Bastardo Rojas, Ángel
author_facet Bastardo Rojas, Ángel
author_role author
dc.contributor.none.fl_str_mv Caro Martínez, Marta
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv 004(043.3)
Inteligencia Artificial
Explicabilidad
Large Lenguage Model
Visual Question Answering
Razonamiento Basado en Casos
XAI
Artificial Intelligence
Explainability
Large Language Model
Visual Question Answering
Case-Based Reasoning
Informática (Informática)
33 Ciencias Tecnológicas
topic 004(043.3)
Inteligencia Artificial
Explicabilidad
Large Lenguage Model
Visual Question Answering
Razonamiento Basado en Casos
XAI
Artificial Intelligence
Explainability
Large Language Model
Visual Question Answering
Case-Based Reasoning
Informática (Informática)
33 Ciencias Tecnológicas
description La poca transparencia en los modelos de Inteligencia Artificial (IA) se presenta como uno de los retos hoy en día en la industria. Esta poca transparencia se refiere a lo complicado de explicar cómo los grandes modelos de inteligencia artificial logran tomar una decisión. Por ello cobra importancia la Inteligencia Artificial Explicable (XAI), campo de la inteligencia artificial que consiste en diseñar sistemas o métodos para hacer más transparente y fácil de comprender los mecanismos internos de los modelos de IA para los usuarios. En este Trabajo de Fin de Máster se propone un sistema de Case-Based Reasoning (CBR) que usa modelos de lenguaje multimodal, en concreto Large Lenguage Models (LLMs) para Visual Question Answering (VQA) y métricas de similitud textual y semántica, generando explicaciones basadas en ejemplos (factual) y contraejemplos (counter-factual). El método utiliza un modelo multimodal para crear descripciones textuales de imágenes y se utilizan métricas de similitud para recuperar las explicaciones y reutilizar la información textual generada anteriormente. Ambos enfoques (factual y conuterfactual) se han evaluado de forma offline y online, con usuarios reales, obteniendo resultados que indican que el método propuesto en este trabajo mejora la explicabilidad ante métodos tradicionales encontrados en la literatura.
publishDate 2025
dc.date.none.fl_str_mv 2025
2025-01-01
2025
2025-01-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
AM
http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/122638
url https://hdl.handle.net/20.500.14352/122638
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869402694874038272
score 15,811543

Registos relacionados