Registro:
| Documento: | Tesis de Grado |
| Título: | Explicabilidad basada en lógica para modelos simples de inteligencia artificial : sobre la complejidad y los algoritmos para el cálculo de features relevantes, necesarias y útiles en clasificadores booleanos |
| Título alternativo: | Logic-based explainability for simple artificial intelligence models : on the complexity and algorithms for computing relevant, necessary and useful features in boolean classifiers |
| Autor: | Capdevielle, Tomás |
| Editor: | Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
| Fecha de defensa: | 2025-06-03 |
| Fecha en portada: | 2025 |
| Grado Obtenido: | Grado |
| Título Obtenido: | Licenciado en Ciencias de la Computación |
| Departamento Docente: | Departamento de Computación |
| Director: | Cifuentes, Santiago |
| Jurado: | Figueira, Santiago Daniel; Abriola, Sergio Alejandro |
| Idioma: | Español |
| Palabras clave: | EXPLICABILIDAD; INTELIGENCIA ARTIFICIAL; FEATURES RELEVANTES; FEATURES NECESARIAS; LOGICAEXPLAINABILITY; ARTIFICIAL INTELLIGENCE; FEATURE RELEVANCY; FEATURE NECESSITY; LOGIC |
| Formato: | PDF |
| Handle: |
https://hdl.handle.net/20.500.12110/seminario_nCOM000867_Capdevielle |
| PDF: | https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nCOM000867_Capdevielle.pdf |
| Registro: | https://bibliotecadigital.exactas.uba.ar/collection/seminario/document/seminario_nCOM000867_Capdevielle |
| Ubicación: | COM 000867 |
| Derechos de Acceso: | Esta obra puede ser leída, grabada y utilizada con fines de estudio, investigación y docencia. Es necesario el reconocimiento de autoría mediante la cita correspondiente. Capdevielle, Tomás. (2025). Explicabilidad basada en lógica para modelos simples de inteligencia artificial : sobre la complejidad y los algoritmos para el cálculo de features relevantes, necesarias y útiles en clasificadores booleanos. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nCOM000867_Capdevielle |
Resumen:
Esta tesis propone una exploración sobre el campo de la explicabilidad en modelos de inteligencia artificial, comúnmente conocido como XAI. En concreto, el enfoque de este trabajo está puesto en la explicabilidad basada en lógica; esto es, dado un modelo de clasificación y una entrada para el mismo, seleccionar aquellas features o atributos que cumplan con ciertas propiedades lógicas. Esto da lugar a las nociones de features relevantes y necesarias, en cuyo cálculo se profundiza. En este sentido, se aportan resultados formales que sustenten algoritmos existentes en la literatura, así como también se proponen algoritmos eficientes para detectar la necesidad de features en modelos tanto simples (e.g. árboles de decisión) como complejos (e.g. redes neuronales). A su vez, se exploran generalizaciones para la noción de relevancia, con el objetivo de capturar una visión más detallada del comportamiento de un modelo para una predicción dada. Por último, se introduce una nueva noción global de utilidad, que apunta a explicar si una feature es importante para el comportamiento de un modelo a nivel general, i.e. sin considerar una entrada en particular. De aquí surge también una propuesta para un sistema de feature ranking basado en utilidad, para cuyo cálculo se presentan algoritmos eficientes para ciertos modelos.
Abstract:
This thesis presents an exploration of the field of explainability in artificial intelligence models, commonly known as XAI. Specifically, we focuse on logic-based explainability; that is, given a classification model and an input, the task of identifying those features that satisfy certain logical properties. This leads to the notions of relevant and necessary features, whose computation is studied in depth in this work. Our goal is to provide formal results that support existing algorithms in the literature, as well as to propose efficient algorithms for detecting feature necessity in both simple models (such as decision trees) and complex ones (such as neural networks). Additionally, we explore two different generalizations for the notion of relevancy, aiming to capture a more detailed understanding of a model’s behavior for a given prediction. Finally, we introduce a new global notion of utility, which seeks to determine whether a feature is important for the overall behavior of a model on a general scope, that is without considering any specific input. Based on this notion, we also present the foundations for a feature ranking system based on utility, for which efficient computation algorithms are also proposed for certain models.
Citación:
---------- APA ----------
Capdevielle, Tomás. (2025). Explicabilidad basada en lógica para modelos simples de inteligencia artificial : sobre la complejidad y los algoritmos para el cálculo de features relevantes, necesarias y útiles en clasificadores booleanos. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nCOM000867_Capdevielle
---------- CHICAGO ----------
Capdevielle, Tomás. "Explicabilidad basada en lógica para modelos simples de inteligencia artificial : sobre la complejidad y los algoritmos para el cálculo de features relevantes, necesarias y útiles en clasificadores booleanos". Tesis de Grado, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2025.https://hdl.handle.net/20.500.12110/seminario_nCOM000867_Capdevielle
Estadísticas:
Descargas mensuales
Total de descargas desde :
https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nCOM000867_Capdevielle.pdf
Distrubución geográfica
