Page 34 - Revista FIUDE 2018

Revista de la Facultad de Ingeniería, Año 5, Número 1

A modo de ejemplo práctico, para interpretar las curvas ROC se han establecido,
para los valores ROC, los siguientes intervalos:

Intervalo Resultado

[0.5, 0.6) Malo

[0.6, 0.75) Regular

[0.75, 0.9) Bueno

[0.9, 0.97) Muy Bueno
[0.97, 1) Excelente
Tabla 5: Matriz de clasificación de algoritmos según AUC

Consideraciones finales sobre la elección del indicador
Una vez definidos los indicadores que son capaces de medir la calidad de la
clasificación, debemos evaluar cuál de estos indicadores debe utilizarse a la hora de
evaluar una clasificación. La respuesta a esta incógnita es: depende el contexto y
uso que se le esté dando y del uso de los datos obtenidos de la clasificación.
En base a lo anterior, el indicador más habitual para medir el desempeño de un
algoritmo de machine learning es Exactitud (Accuracy) o Error de clasificación
(Misclassification Error)
Sin embargo, cuando los algoritmos utilizados se enfocan a búsquedas, es
aconsejable utilizar los indicadores de Precisión &Recall y F1-score, mientras que
para los médicos es lógico asumir que Sensibilidad y Especificidad (TPR y TNR) son
indicadores más relevantes. Para un médico, detectar los Falsos Negativos es de
suma importancia debido a que la vida de un paciente puede depender de ello.

Cuando consideramos AUC, la elección se realiza comparando el área bajo la curva
(AUC) de ambas pruebas. El área resultante posee un valor comprendido entre 0,5 y
1. Si el valor obtenido para AUC es 0,8, significa que existe un 80% de probabilidad
de que la clasificación, a modo de ejemplo, de un enfermo, sea más correcta que el
de una persona sana seleccionada al azar. Este es el motivo por el cual siempre se
elige un algoritmo que presente la mayor área bajo la curva.

Conclusiones
Se necesitaría un libro de miles de hojas para poder abarcar y tratar todos los temas
relacionados a Inteligencia artificial. No queremos dejar pasar la oportunidad de
nombrar aquellos que, a juicio de este escritor, se consideran más relevantes o bien
que son temas recurrentes, como ser modelos No supervisados, Lenguaje Natural,
Procesamiento de imágenes, Bots y Deep Learning.
En el futuro, la humanidad en su totalidad deberá elegir cuál es el objetivo final, o la
función que se le quiere asignar a la Inteligencia Artificial. Existen dos caminos
posibles: utilizar la IA para ayudar a los humanos a realizar tareas y, de esa forma,
complementar sus habilidades propias, o utilizar la IA para reemplazar a los
humanos. Ambos caminos presentan dificultades y conflictos éticos y morales que
se deberán atender en tiempo y forma (Colaner, Olsen, & Lasprogata, 2018).
Lo cierto es que los avances en el desarrollo de IA son cada vez más rápidos e
importantes: el uso de sistemas con alguna clase de IA será tan habitual e invasivo
que los aspectos legales y éticos estarán a la orden del día.

33