概念Explainable AI / XAI
可解释性AI
AI研究领域，致力于使AI系统的决策过程对人类可理解和可解释，常用技术包括LIME和SHAP等事后解释方法，但这些方法本质上是近似解，无法提供完整因果链条。
时间轴 (近 90 天)
10月12日
在科学研究中，如果研究者无法解释黑箱模型为何做出某项预测，就无法判断该预测是否基于合理机制还是拟合了伪相关。
待验证50%
9月11日
主流可解释性AI技术包括SHAP（基于博弈论的Shapley值分配）、LIME（局部可解释模型近似）、注意力机制可视化等事后解释方法，以及决策树、逻辑回归、规则列表等天然可解释模型
待验证50%