Métricas y guías para el desarrollo de algoritmos de inteligencia artificial explicable
Una de las principales dificultades a la hora de desarrollar modelos de inteligencia artificial explicable, es que no existe una definición única, común y aceptada en la bibliografía específica sobre algunos conceptos y métricas que faciliten cuantificar la interpretabilidad de un modelo. En este tr...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de publicación: | 2021 |
| País: | España |
| Recursos: | Universidad de Jaén (UJA) |
| Repositorio: | CREA. Colección de recursos educativos abiertos |
| OAI Identifier: | oai:crea.ujaen.es:10953.1/18127 |
| Acesso em linha: | https://hdl.handle.net/10953.1/18127 |
| Access Level: | acceso abierto |
| Palavra-chave: | 1203 Ciencia de los ordenadores Informática Informatics |
| Resumo: | Una de las principales dificultades a la hora de desarrollar modelos de inteligencia artificial explicable, es que no existe una definición única, común y aceptada en la bibliografía específica sobre algunos conceptos y métricas que faciliten cuantificar la interpretabilidad de un modelo. En este trabajo se ha realizado una revisión de la terminología relacionada con inteligencia artificial explicable en la bibliografía especializada, que permite aportar definiciones integradoras, y proponer la unificación y agrupación de conceptos. Es un análisis inicial en un área que debe afrontar muchos retos, entre ellos el debate, consenso y propuesta sobre conceptos y métricas objetivas que cuantifiquen la explicabilidad de un modelo. |
|---|