Este artículo señala que los métodos basados en características, comúnmente utilizados para explicar las predicciones de modelos en datos de alta dimensión, asumen implícitamente la disponibilidad de características interpretables. Sin embargo, en datos de alta dimensión, a menudo resulta difícil, incluso para los expertos, especificar matemáticamente características importantes. Para abordar este problema, este artículo presenta FIX (Características Interpretables para los Expertos), un parámetro que mide la alineamiento de las características con el conocimiento de los expertos. En colaboración con expertos de diversos campos, como la cosmología, la psicología y la medicina, proponemos FIXScore, una medida unificada de alineamiento de expertos aplicable a diversos entornos del mundo real, incluyendo la visión, el lenguaje y las modalidades de datos de series temporales. Utilizando FIXScore, observamos que los métodos populares de explicación basados en características carecen de alineamiento con el conocimiento especificado por los expertos, lo que resalta la necesidad de nuevos métodos para identificar mejor las características que sean interpretables para los expertos.
