Professional Documents
Culture Documents
Tarea 2 de Operaciones Investigativas I
Tarea 2 de Operaciones Investigativas I
¿Que es la IA explicable
(XAI)?
es un conjunto de métodos y procesos que
se centran en ayudar a los usuarios a
comprender y confiar en la salida y los
resultados proporcionados por los El funcionamiento de XAI se clasifica en tres tipos:
modelos de IA. Datos explicables: Destaca el tipo de datos y los contenidos
que se utilizan para entrenar el modelo de IA. Además,
muestra la razón detrás de las opciones, el proceso de
elección y los informes de los esfuerzos necesarios para
eliminar el sesgo.
Predicciones explicables: Aquí, XAI presenta todas las
funciones que el modelo de IA ha utilizado para obtener el
resultado.
Algoritmos explicables: Estos revelan todas las capas en un
modelo de IA y explican cómo cada capa ayuda a producir
el resultado final.
Retos de la XAI
Dificultad en la interpretación: Hay muchos sistemas de ML que son difíciles de
interpretar. Por lo tanto, las explicaciones que brinda XAI son difíciles de
entender para los usuarios. Cuando una estrategia de caja negra es inexplicable,
puede causar graves problemas operativos y éticos.
• Justicia: Es bastante desafiante para XAI determinar si una decisión
particular de una IA es justa o no. La equidad es totalmente subjetiva y
depende de los datos sobre los que se ha entrenado el modelo de IA.
• Seguridad: Uno de los problemas importantes con XAI es que los clientes
pueden realizar acciones para cambiar el proceso de toma de decisiones
del modelo ML e influir en el resultado para su propio beneficio. Cualquier
personal técnico solo puede recuperar el conjunto de datos utilizado por el
algoritmo para el entrenamiento.