Nos adentramos en la IA explicable (XAI), destacando su papel para hacer que los sistemas de IA sean transparentes, interpretables y dignos de confianza. Exploramos las capacidades de la IA en predicción y generación de contenidos, subrayando la necesidad de procesos claros de toma de decisiones. Además, investigamos métodos para hacer que los complejos modelos de IA sean más comprensibles para una amplia gama de audiencias.

Por qué es importante la IA explicable

Transparencia o interpretabilidad

Escenarios interpretables

Objetivos de la XAI

Los tecnicismos de la XAI

Comprender los fundamentos de la XAI

Exactitud e interpretabilidad

Comunicar sobre XAI

Segmentación de audiencia

Equilibrio entre exactitud y sencillez

Introducción a la IA explicable

Exploramos las técnicas de IA explicable (XAI), categorizándolas en explicaciones específicas del modelo, independientes del modelo, locales y globales para aclarar la toma de decisiones en IA. Hablamos de la regresión y la clasificación para obtener conocimientos específicos del modelo y presentemos SHAP y LIME para interpretar los modelos de caja negra. Además, abordamos la complejidad de los modelos de lenguaje extensos (LLM), destacando la necesidad de transparencia en sus procesos de toma de decisiones.

Técnicas de XAI

Local o global

Opciones

Específico del modelo

Independiente del modelo

Específico del modelo o independiente del modelo

Explicaciones específicas del modelo

Analogías de regresión y clasificación

Modelos de caja negra en la toma de decisiones

Explicaciones independientes del modelo

SHAP

LIME

Ambos

¿SHAP, LIME o ambos?

Papel de SHAP y LIME en la XAI

Explicabilidad de los LLM

Comprender los LLM

Razonamiento de los LLM

Técnicas de IA explicable

Exploramos el impacto transformador de la XAI para hacer la inteligencia artificial más accesible y fácil de usar en diversos sectores. Al integrar la explicabilidad desde el principio, nos aseguramos de que los sistemas de IA sean transparentes, fomentando la confianza y facilitando una colaboración más profunda entre humanos y máquinas. Mediante estudios de caso reales, destacamos que la XAI desmitifica las decisiones complejas de la IA, permitiendo que usuarios con diversos conocimientos técnicos aprovechen la información de la IA para tomar decisiones más informadas.

Adaptar la IA al usuario

XAI para el usuario final

Riesgos de no incluir al usuario final

XAI por diseño

Selección de solicitantes de empleo

Aplicar XAI por diseño

XAI para el aprendizaje en línea

XAI en acción

Requisitos de la XAI por sector

Confiar en el sistema de IA

El futuro de la XAI

XAI transversal

Desarrollo e implementación proactivos

Resumen

Implementación y aplicación de XAI

Este curso muestra el cautivador mundo de la IA explicable (XAI), disciplina que aporta claridad y comprensión al misterioso ámbito de la IA. Este curso conceptual se ha diseñado pensando en el público no técnico, con el objetivo de mostrar la importancia de que las decisiones de IA sean transparentes y los métodos que lo permiten. Los participantes profundizarán en los fundamentos de la XAI, su papel en el panorama general de la IA y sus importantes implicaciones sociales. Al final del curso, los alumnos de distintos puestos comprenderán que la XAI tiende puentes entre los algoritmos complejos y la toma de decisiones cotidiana.

<h2>Comprender los conceptos básicos de la Inteligencia Artificial Explicable (XAI)</h2>
Este curso introduce el crucial campo de la XAI, centrándose en hacer comprensibles y accesibles los complejos algoritmos de IA. La necesidad de transparencia y confianza en estas tecnologías crece a medida que los sistemas de IA se integran cada vez más en diversos sectores. Este curso abarca los conceptos básicos de la XAI, como la transparencia, la interpretabilidad y la responsabilidad, y explora el equilibrio entre la complejidad del modelo y la explicabilidad.

<h2>Aprende técnicas de XAI</h2>
Aprenderás sobre las explicaciones específicas y agnósticas del modelo, y obtendrás conocimientos prácticos y herramientas para aplicar eficazmente los principios de la XAI en tus proyectos. El objetivo del curso es dotarte de los conocimientos necesarios para que los sistemas de IA sean más transparentes, éticos y acordes con los valores de la sociedad, garantizando que las decisiones de la IA no sólo sean eficaces, sino también justificables y comprensibles.

<h2>Implementar la XAI en el mundo real</h2>
Al final de este curso, tendrás una sólida comprensión de la XAI y de su importancia en el desarrollo de soluciones de IA, y estarás preparado para poner en práctica estos principios para mejorar la claridad y fiabilidad de los sistemas de IA en aplicaciones del mundo real.


Comprende el papel y la realidad de la IA explicable con este curso para principiantes.

Conceptos de inteligencia artificial explicable (XAI)

Comprende el papel y las realidades del mundo real de la Inteligencia Artificial Explicable (XAI) con este curso para principiantes. 

Liderazgo en Inteligencia Artificial (IA)

Ofrece una perspectiva más amplia de las contribuciones de las características, lo que ayuda a comprender la influencia de distintos factores en las predicciones.

Utiliza principios cooperativos para distribuir los valores de importancia de las características, aumentando la transparencia en la toma de decisiones del modelo.

Genera perspectivas interpretables para predicciones específicas del modelo analizando las relaciones entre entrada y salida.

Se centra principalmente en explicaciones de predicciones individuales y simplifica el comportamiento de modelos complejos para facilitar su comprensión.

Su objetivo es aproximar el razonamiento y los procesos de toma de decisiones del modelo sin proporcionar una explicación completa.

Aborda el reto de comprender los resultados de modelos complejos, especialmente en escenarios de alto riesgo, proporcionando información sobre los factores de predicción.

¿SHAP, LIME o ambos?

Conceptos de inteligencia artificial explicable (XAI)

Ejercicio interactivo práctico