Contexto
GEMF combinó texto OCR, representación visual, enriquecimiento semántico y señales fisiológicas. Las ablaciones permitieron observar contribuciones distintas según subtarea y régimen de evaluación.
La decisión útil no es qué modalidad parece más sofisticada, sino cuál cambia el error relevante y si ese cambio se mantiene fuera de la muestra usada para diseñarla.
Ejemplo didáctico · situación inventada
Una señal mejora la media y empeora la clase prioritaria
En una comparación hipotética, añadir visión mejora el resultado agregado, pero aumenta los errores de una clase poco frecuente que tiene prioridad operativa.
Qué decisión cambia. Revisa esos ejemplos y repite la comparación con la misma partición y semillas. La aceptación depende de la tarea prioritaria; una media mejor no resuelve ese compromiso. Este ejemplo no representa las cifras de GEMF.
Qué comprobar antes de empezar
- Baseline idéntico para cada comparación.
- Variación entre semillas, folds o periodos.
- Ganancia por subtarea, clase y régimen de evaluación.
- Coste de obtención, inferencia y mantenimiento de la modalidad.
- Casos donde la nueva señal contradice al resto.
Método de trabajo
Congelar el protocolo
Datos, particiones, métrica y seeds quedan fijados antes de comparar modalidades.
Retirar una señal
Retiramos una señal cada vez y conservamos el resto de la configuración. Esta comparación, llamada ablación, permite medir qué aporta esa señal.
Analizar errores
Revisamos qué ejemplos cambian, no solo la media agregada.
Valorar operación
La mejora se compara con latencia, dependencia externa y capacidad de reproducción.
Señales para detener la prueba
- La ganancia desaparece al repetir semillas o cambiar de partición.
- Una modalidad mejora la media, pero daña la subtarea prioritaria.
- El coste o la dependencia impiden reproducir el resultado.
- La comparación cambia a la vez arquitectura, datos y modalidad.
Fuentes
Para seguir con esta decisión
- ¿Cuándo necesita un problema un modelo temporal o un grafo?
- ¿Qué debe demostrar un piloto de IA en una administración pública?
- ¿Cuándo ayuda Edge AI a la privacidad por diseño?
Servicio de I+D en inteligencia artificial: alcance y entregables
Publicado por Ordantis el .