La idea es crear un algoritmo de IAPG que aprenda a explicar otros algoritmos de IA. La gran diferencia con las soluciones actuales radica en que no son algoritmos de IA para explicar, sino para aprender a explicar [Che18]. Esto se puede hacer aprendiendo de otros algoritmos de explicabilidad en distintos contextos. El mayor reto radica en evaluar la bondad de una explicación, y aprender a explicar correctamente:
Objetivo 1
Definición de escenarios de meta-aprendizaje para aprender a explicar.
Objetivo 2
Aprendiendo a explicar con un enfoque AutoML.
Objetivo 3
Uso del enfoque Few-Shot para aprender a explicar.
