Contenido

Objetivo

Determinar a que se refieren los conceptos de explicabilidad, interpretabilidad y predicciones sesgadas.

Descripción

En este tema se explicará a que se refiere cuando se menciona que el algoritmo debe ser explicable e interpretable y como se relaciona esto con la ética.

Explicación

Haz clic para revisar la explicación.

Modelos transparentes

Recursos adicionales

Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.

Revisa la siguiente lectura:

Para conocer más sobre modelos transparentes, te recomendamos leer:

Rai, A. (2020). Explainable AI: from black box to glass box. Journal of the Academy of Marketing Science, 48. Recuperado de https://link.springer.com/article/10.1007/s11747-019-00710-5

Actividad

Objetivo

Reflexionar sobre la interpretabilidad y explicabilidad de los modelos de aprendizaje automático.

Instrucciones

Contesta el siguiente cuestionario:

  1. Explica la importancia del uso de los modelos transparentes en el aprendizaje automático.
  2. Investiga tres ejemplos reales en donde los modelos de aprendizaje automático presentaron sesgo. Por cada uno, propón una mejora para minimizar el sesgo.
  3. ¿Cómo describirías la explicabilidad? Considera el siguiente artículo:

Ribeiro, M., Singh, S., y Guestrin, C. (2016). "Why Should I Trust You?": Explaining the Predictions of Any Classifier. Recuperado de https://arxiv.org/abs/1602.04938

El siguiente enlace es externo a la Universidad Tecmilenio,
al acceder a éste considera que debes apegarte a sus términos y condiciones.

Checklist

Asegúrate de:

  • Comprender la diferencia entre interpretabilidad y explicabilidad.
  • Comprender los beneficios de un modelo ético.