Inteligencia artificial explicable

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