Una nueva métrica revoluciona la explicabilidad en la inteligencia artificial

23 Abr 2025

El grupo de investigación de la Universidad Pablo de Olavide Data Science & Big Data Lab desarrolla RExQUAL, una herramienta clave para abrir la ‘caja negra’ del machine learning | El avance contribuye a desarrollar sistemas de IA más transparentes en ámbitos críticos para la sociedad

La inteligencia artificial (IA) ha transformado sectores clave de la sociedad, desde la medicina hasta las finanzas, pasando por el transporte, la educación o la industria, gracias a su capacidad para tomar decisiones complejas con una precisión sin precedentes. Sin embargo, esta potencia viene acompañada de un desafío creciente: entender cómo y por qué los modelos de IA llegan a ciertas conclusiones. La opacidad de estos sistemas, conocidos como ‘cajas negras’, plantea serios retos de confianza, transparencia y responsabilidad. ¿Cómo puede una persona confiar en una IA que toma decisiones sin ofrecer explicaciones claras y comprensibles?

En este contexto, cobra protagonismo la inteligencia artificial explicable o XAI (por sus siglas en inglés, eXplainable Artificial Intelligence), un campo que busca desarrollar mecanismos para comprender, interpretar y confiar en los sistemas basados en machine learning. No se trata solo de un desafío técnico, sino también de un imperativo ético, legal y social: las personas tienen derecho a saber cómo y por qué una máquina toma decisiones que pueden afectar directamente a sus vidas.

En respuesta a esta necesidad, el grupo de investigación de la Universidad Pablo de Olavide Data Science & Big Data Lab ha desarrollado RExQUAL (Rules-Based Explanation Quality), una nueva métrica diseñada para evaluar la calidad de las explicaciones generadas por técnicas de XAI, especialmente en tareas de predicción de series temporales.

“Aunque en los últimos años han surgido diversos métodos de XAI, no contábamos con una métrica objetiva que permitiera comparar su efectividad explicativa”, explica Alicia Troncoso Lora, investigadora principal del grupo.

Un estándar para medir la calidad de las explicaciones

RExQUAL llena ese vacío con una propuesta innovadora basada en reglas de asociación, que permite medir de forma cuantitativa y objetiva la calidad de las explicaciones tanto a nivel local —para predicciones individuales— como global —para el comportamiento general del modelo—. Esta combinación ofrece una visión integral del grado de interpretabilidad que ofrecen los modelos de machine learning.

Una de sus principales fortalezas es que no depende del modelo utilizado, lo que facilita su aplicación en múltiples dominios. Utiliza métricas como el soporte y la confianza para evaluar si las características resaltadas por los métodos XAI realmente justifican las decisiones del modelo.

“La hemos validado con datos reales de sectores como la energía y la agricultura, donde es crucial entender por qué un modelo toma ciertas decisiones”, añade Francisco Martínez Álvarez, co-investigador principal del proyecto nacional ‘Efficient and explainable deep learning and online learning for sustainability’, en el que se enmarca este trabajo.

Aplicación práctica y proyección futura

RExQUAL ya está disponible como software de código abierto para la comunidad científica a través de un repositorio en GitHub. La investigación ha sido publicada en la prestigiosa revista IEEE Transactions on Pattern Analysis and Machine Intelligence, uno de los referentes internacionales en el campo de la inteligencia artificial.

Además, el equipo trabaja en el desarrollo de una nueva métrica complementaria, orientada a medir la importancia de las variables que influyen en el modelo a partir de cómo varía RExQUAL ante perturbaciones en los datos de entrada.

Referencia:

R. Troncoso-García, M. Martínez-Ballesteros, F. Martínez-Álvarez and A. Troncoso, A new metric based on association rules to assess feature-attribution explainability techniques for time series forecasting. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 47, no. 5, pp. 4140-4155, 2025. doi: 10.1109/TPAMI.2025.3540513

Fuente: Unidad Técnica de Comunicación UPO



Facebook   Twitter

 NUBE DE TAGS

Accede a la oferta tecnológica de interés para tu empresa desde esta nube de tags.

: Bioinformática Acuicultura aditivos Aeroespacial Agregación Agricultura Agua aguas residuales Alimentación alimentos funcionales almazaras análisis biomecánico anti-inflamatorios antienvejecimiento antiinflamatorio antioxidantes Apoptosis aprendizaje Aprendizaje-Servicio ApS Aromas Arqueología asesoramiento Atrofia muscular espinal Bebidas Bicicleta Big Data BIO-MS bioadsorción Biocarbon biocidas biodiesel Biodiversidad Bioenergética Bioinformática biomasa algal Biomedicina Biopilas Bioquímica Biotecnología Biotecnología Bioinformática bombas de destoxificación bombas destoxificación C.elegans Cáncer cardiovascular Celdas biocombustibles Celiaquía Células madre celulosa ciudadanía CO2 Coeducación Coenzima Q colecciones biológicas comercio electrónico competencias plurilingües y pluriculturales Composición corporal Compostaje compromiso social compuestos bioactivos Comunicación internacional Comunidad Conservación Construcción Cooperación territorial Cosmética Crohn Cultura demográfia densiometría Deporte Derecho Derecho Tributario derechos y garantías de los obligados tributarios desastres naturales desplazamiento Diabetes Dietética Dispositivo de salto Drosophila Ecosistémica Edafología Educación Electricidad emergencias Emociones Emprendimiento Empresas de Base Tecnológica Energía Energías renovables enfermedad cardiovascular enfermedad gaucher enfermedad hígado graso no alcohólica (EHGNA) Enfermedades lisosomales Enfermedades mitocondriales Enfermedades neurodegenerativas Enfermedades raras EnGNet enseñanza activa entorno urbano Entrenamiento deportivo envejecimiento enzimas Escrutineo de Alto Rendimiento especímenes Herbario Estrés Estrés hídrico Estudios Sociales explotación FE-SEM Fenotipaje Fibromialgia Fibrosis hepática fiscalidad Fisiología Formación fotobiorreactores Ganaderia Gestión franquicias Gestión información hábitos de vida Hidrógeno Hidroponía hueso aceituna Idiomas igualdad de género Impacto Cruzado Impacto social Indicadores infancia inflasomas Infraestructuras inmovilización de enzimas inmunotolerancia Inteligencia Artificial Internacionalización investigación social Itinerario jueces gimnasia acrobática Jurídicos lactosa Lenguas Local macroalgas Maldi-Tof maqui Maquinaria uso industrial material didáctico Materiales Medicina de precisión medicina regenerativa medioambientales Metagenoteca métodos activos Métodos Alternativos microalgas microbiota intestinal microscopía Microscopio Minería de Datos Miniería de Datos Miopatías congénitas modelización modelo formativo MOFs NACH nanopartículas Nanotecnología naturales Neurociencia Neurociencias Neurogestión neuroimagen Neuromanagement Nuevas Tecnologías Nuevos Fármacos Nutrición obesidad infantil ocio Optimización Parkinson Participación Patentes patrimonio Pedagogía perfumes Personalidad Resistente pesticidas plaguicidas plataforma procedimientos de aplicación de los tributos Proteómica Proteosoma Química Químicas Raman reactores enzimáticos Recursos Marinos Recursos naturales Rendimiento deportivo residuos resistencia a antibióticos resonancia magnética riesgo tóxico Robótica Root Simulators RSC RSE Running Ruralidad SACROAJIR® SACRODRAW® Salud Salud Pública SCT Seguridad Sensor FBRM Series temporales Sexado Aves Simulación Simulación Molecular Síndrome MELAS smart cities Social Media socialización socioeconómicos Sociología Soft Computing Software spin-off Suero lácteo Tecnologías Tercer sector terremotos Tic toxicología Traducción Transporte trata laboral tributación turismo vertidos Videojuegos Zeolitas

Contacto


Si tienes cualquier duda o consulta ponte en contacto con nosotros


Contacto

Otri 2.o


Te invitamos a conocer y participar en las diferentes herramientas basadas en la web social donde se encuentra la OTRI

Leer más ...


Contacto