Para desarrollar modelos de aprendizaje automático y aprendizaje profundo que tengan en cuenta las directrices y principios de la IA confiable, se introduce un enfoque novedoso de teoría de la información en este artículo. Se considera un enfoque unificado para el aprendizaje interpretable, transferible y preservador de la privacidad para estudiar y optimizar los compromisos entre los aspectos de privacidad, interpretabilidad y transferibilidad de la IA confiable. Se utiliza un modelo bayesiano de mapeo de membresía variacional para la aproximación analítica de las medidas de teoría de la información definidas para la fuga de privacidad, interpretabilidad y transferibilidad. El enfoque consiste en aproximar las medidas de teoría de la información maximizando una cota inferior mediante optimización variacional. El enfoque se demuestra a través de numerosos experimentos en conjuntos de datos de referencia y una aplicación biomédica del mundo real relacionada con la detección de estrés mental en individuos mediante análisis de variabilidad de la frecuencia cardíaca.