Inteligencia artificial explicable : análisis de metodologías y aplicaciones

Trabajo Final Integrador (Especialización en Ingeniería de Software) - Universidad Nacional de La Plata. Facultad de Informática, 2024.

Capítulo 1 -- Presentación -- 1.1 Introducción -- 1.2 Motivación -- 1.3 Objetivos -- 1.3.1 Objetivo General -- 1.3.2 Objetivos Específicos -- 1.4 Abordaje del trabajo -- 1.5 Estructura del Trabajo -- Capítulo 2 -- Conceptos Teóricos -- 2.1 Conceptos Fundamentales -- 2.1.1 Definición de Red Neuronal -- 2.1.2 Redes Neuronales Profundas -- 2.1.3 Definición de Aprendizaje -- 2.1.3.1 Explorando la distinción entre Aprendizaje Supervisado y No Supervisado -- 2.1.3.2 Aprendizaje Supervisado: etiquetando el camino hacia la predicción -- 2.1.3.3 Aprendizaje No Supervisado: descubriendo estructuras ocultas -- 2.1.3.4 Capacidad, sobreajuste y subajuste en Modelos de Inteligencia Artificial -- 2.1.4 Visión por Computadora -- 2.1.5 Preprocesamiento -- 2.1.6 Procesamiento de Lenguaje Natural -- 2.2 Evaluación y Métricas -- 2.2.1 Métricas de Rendimiento -- 2.2.2 Métricas comunes y avanzadas -- 2.2.3 Otras métricas posibles -- 2.3 Modelos Básicos -- 2.3.1 Modelos Básicos por Defecto -- 2.3.2 Elección del Modelo según la Estructura de los Datos -- 2.3.3 Algoritmos de Optimización -- 2.3.4 Regularización y Técnicas Adicionales -- 2.4 Interpretabilidad en Modelos de Inteligencia Artificial -- 2.4.1 Beneficios de la Interpretabilidad -- 2.4.2 Modelos Interpretables -- 2.4.3 Aprendizaje Automático Interpretable (Interpretable Machine Learning, iML) -- 2.5 Explicabilidad en Modelos de Inteligencia Artificial -- 2.5.1 Definición de Explicabilidad -- 2.5.2 Inteligencia Artificial Explicable (Explainable Artificial Intelligence, XAI) -- 2.5.2.1 Panorama de XAI -- 2.5.2.2 Taxonomía de XAI -- 2.5.2.3 Clasificación de los Métodos de XAI -- Capítulo 3 -- Revisión de la Literatura -- 3.1 Introducción -- 3.2 Búsqueda y selección de estudios -- 3.3 Estrategia para la búsqueda bibliográfica -- 3.4 Criterios de inclusión y exclusión -- 3.4.1 Criterios de Inclusión -- 3.4.2 Criterios de Exclusión -- 3.5 Metodología de Análisis de los Artículos Seleccionados -- 3.5.1 Lectura y Comprensión de los Artículos -- 3.5.2 Categorización de las Técnicas de Explicabilidad -- 3.5.3 Comparación de Técnicas con Enfoques Anteriores -- 3.5.4 Evaluación del Impacto de las Mejoras -- 3.5.5 Síntesis de resultados -- 3.5.6 Elaboración de conclusiones -- Capítulo 4 -- Análisis de Metodologías y Aplicaciones XAI -- 4.1 Introducción al Análisis de XAI -- 4.1.1 Trabajos que cumplen con los criterios de inclusión definidos -- 4.1.2 Análisis Comparativo de Métodos de Explicabilidad en Inteligencia Artificial -- 4.1.2.1 Desglose Detallado de Métodos y Enfoques en las Tablas 3 y 4 -- 4.1.2.2 Análisis de Aplicaciones y Contextos -- 4.1.2.3 Evaluación de Criterios de Selección y Eficacia de Aplicaciones -- 4.1.2.4 Distribución de Métodos de XAI Según Categorías -- Capítulo 5 -- Conclusiones -- 5.1 Introducción -- 5.2 Principales Conclusiones -- 5.2.1 Necesidad de Explicabilidad en Modelos de IA -- 5.2.2 Distinción entre Interpretabilidad y Explicabilidad -- 5.2.3 Avances en Técnicas de Explicabilidad -- 5.2.4 Desafíos -- 5.3 Implicaciones Prácticas y Políticas -- 5.3.1 Implicaciones Prácticas -- 5.3.2 Implicaciones para la Política -- 5.4 Trabajo Futuro -- Anexo I -- Análisis Detallado de 30 Trabajos Seleccionados sobre Avances Recientes en la -- Explicabilidad de Modelos de IA -- Anexo II -- Artículos Recuperados sobre Modelos de Explicabilidad en Inteligencia Artificial -- Bibliografía