Investigación de IMDEA Networks sobre una nueva herramienta de explicabilidad de IA para redes móviles es premiada en IEEE INFOCOM 2024

AIChronoLens tiene varias aplicaciones en diferentes campos científicos. Entre otros casos de uso, estos modelos son muy útiles para predecir las futuras cargas de tráfico de las estaciones base 5G

11 Abril 2024

El trabajo «AIChronoLens: Advancing Explainability for Time Series AI Forecasting in Mobile Networks» (Claudio Fiandrino, Eloy Pérez Gómez, Pablo Fernández Pérez, Hossein Mohammadalizadeh, Marco Fiore and Joerg Widmer) ha sido galardonado con el Premio a “Mejor Paper” en la prestigiosa conferencia IEEE INFOCOM 2024, que está teniendo lugar en Vancouver, Canadá durante los días 20-23 de mayo.

Este estudio presenta «AIChronoLens”, una herramienta innavodora que genera explicaciones para los modelos de inteligencia artificial (IA) que se ocupan de predecir series temporales. Estos modelos de IA se utilizan en diferentes campos científicos, desde las finanzas hasta la epidemiología. En el ámbito de las redes móviles, estos modelos son muy útiles para prever las futuras cargas de tráfico de las estaciones base 5G.

Según Claudio Fiandrino, Investigador Senior de IMDEA Networks y uno de los autores del paper: “Es un trabajo sin precedentes por varias razones. En primer lugar, aborda una necesidad crítica: la falta de claridad en las técnicas tradicionales de explicabilidad. A diferencia de esas técnicas que proporcionan puntuaciones de relevancia sobre los datos de entrada con independencia de la propia estructura de los datos, AIChronoLens relaciona las explicaciones con la presencia o ausencia de máximos y mínimos y otras propiedades temporales de los datos de entrada. De este modo, AIChronoLens crea una relación entre el funcionamiento del modelo y el sistema físico”.

En segundo lugar, abre varias vías de investigación. Fiandrino destaca que “el análisis de la salida de AIChronoLens permite profundizar en el comportamiento del modelo y detectar la causa oculta de los errores, como la falta de datos en el conjunto de entrenamiento o la complejidad intrínseca de ciertos datos. También puede comparar diferentes modelos aplicados al mismo conjunto de datos, más allá de las métricas simples de precisión de la predicción, lo que lo convierte en una herramienta de verificación valiosa para los modelos de IA actuales y futuros”.

En cuanto a las aplicaciones prácticas, el investigador señala: “Estamos en los albores de la era de la confianza en la IA y AIChronoLens es un pequeño paso más para concretar esta visión. Puede ser utilizado por la comunidad investigadora durante el desarrollo de nuevos modelos de IA para verificar su lógica interna y comparar su rendimiento con modelos conocidos de una forma mucho más sofisticada que la que es posible realizar hoy en día. Por ejemplo, permite conocer la confianza de una predicción dados los conocimientos que el modelo de IA ha obtenido tras el entrenamiento.”

Este reconocimiento en la conferencia IEEE INFOCOM 2024 destaca la importancia de AIChronoLens en el avance de la explicabilidad y confianza en los modelos de IA, prometiendo beneficios significativos en diversas áreas científicas y tecnológicas.