La tercera línea de investigación se centra en encontrar formas de explicar algoritmos de IAPG como el AutoML y el Few-Shot learning. Además de explorar el uso de técnicas post-hoc, como LIME o SHAP, en el contexto del IAPG, la idea es la de crear técnicas auto-explicables o explicables por diseño, de manera que ideemos mecanismos que provean dimensiones o niveles de explicabilidad desde el diseño (explainable-by-design) para AutoML y Few-Shot learning:
Objetivo 1
Búsqueda de escenarios de interés para modelos auto-explicables.
Objetivo 2
Uso del enfoque Few-Shot para mejorar la interpretabilidad, a través del paradigma de modelos explicables por diseño.
Objetivo 3
Uso de evolutivos para adaptar el modelo auto-adaptativo.
