En 2016, un estudio reveló cómo un modelo de inteligencia artificial confundía huskies con lobos al fijarse en la nieve del fondo en lugar del animal. El caso, analizado en la investigación que dio origen a LIME, se ha convertido en un ejemplo emblemático de los riesgos de los modelos de caja negra y de la necesidad de explicaciones transparentes. El caso del husky y la nieve es un ejemplo de lo que en aprendizaje automático se conoce como correlación espuria. En este caso, el clasificador no entendía qué era un lobo, sino que había detectado una señal engañosa: el contexto de la imagen.

Un grupo de investigadores ha desarrollado un modelo de inteligencia artificial capaz de predecir con un 80% de precisión si una persona es fumadora, utilizando datos clínicos y biométricos. A diferencia de otros modelos, este sistema incorpora técnicas de IA explicable que permiten entender cómo llega a sus conclusiones, destacando parámetros clave como la hemoglobina, el GTP y la altura. El objetivo es ayudar al personal sanitario a identificar posibles fumadores sin depender exclusivamente de cuestionarios, y facilitar intervenciones médicas tempranas.