面向专家的可解释人工智能

可解释人工智能（XAI）指一系列旨在使人工智能模型的内部工作机制和决策过程可解释且易于理解的方法。

与传统的黑箱模型不同，XAI能够揭示影响因素、决策规则或导致预测的概率。

常用技术包括LIME（局部可解释模型无关解释）、SHAP（Shapley加法解释）和基于显著性的可视化。

可解释人工智能是确保人工智能系统中的信任、公平和责任的重要研究领域。

定义：
可解释人工智能指旨在使人工智能模型的决策对人类透明、可理解和可解释的方法和技术。

来源：
Adadi, A., & Berrada, M. (2018). "Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)." IEEE Access, 6, 52138-52160.