可解釋的人工智能意味著人類可以理解IT系統做出決定的路徑。人們可以通過分解這個概念來探究人工智能如此重要的原因。

雖然人工智能應用越來越廣泛，但關于人工智能也有一些誤解。有些人采用“黑盒”這個術語描述人工智能，認為其內涵是神秘和不祥的部分，其“X檔案”的內容比IT 日常業務還要多。

然而，像機器學習或深度學習這樣的人工智能系統，確實需要人工輸入，然后在沒有可解釋的場景的情況下產生輸出(或做出決定)。人工智能系統做出決定或采取行動，人們不一定知道它為什么或如何達到這個結果。人工智能系統就是這么做的，而這就是人工智能的黑盒模型，它確實很神秘。在某些用例中應用很好，而在其他情況下卻不一定。

PubNub公司首席技術官兼聯合創始人Stephen Blum表示：“對于像人工智能驅動的聊天機器人或社交信息的情感分析這樣的小事情，而人工智能系統是否在黑盒中運行并不重要。但是對于人類具有巨大影響的用例(例如自動駕駛車輛、飛行導航、無人機、軍事應用)能夠理解決策過程是至關重要的任務。隨著人們在日常生活中越來越依賴人工智能，需要能夠理解其思維過程，并隨著時間的推移做出改變和改進。”

輸入可解釋的人工智能——有時以縮寫詞XAI或類似術語(如可解釋的AI)來表示。顧名思義，它可以被人類解釋和理解，雖然這是一種有點簡化的方式，是一種可解釋的人工智能。

以下是最近的HBR公司分析服務研究報告《現實世界人工智能的執行指南》中更明確的定義：“機器學習技術是一種使人類用戶能夠理解、適當信任和有效管理的人工智能。”

而包括美國國防部高級研究計劃署(DARPA)在內的多個組織正在努力解決這個問題。

“信任”這個詞很關鍵。為此，人工智能專家Blum和其他專家提出了可解釋的人工智能定義，并解釋這一概念對于從金融服務到醫學等領域的人工智能工作的組織至關重要的原因。這種背景可以加強組織成員和團隊的理解，并幫助組織中的其他人員理解可解釋的人工智能及其重要性。以下先從定義開始。

簡單定義的可解釋人工智能

SAS公司執行副總裁兼首席信息官Keith Collins說，“‘可解釋的人工智能’術語是指人類能夠通過動態生成的圖表或文本描述輕松理解人工智能技術做出決策的路徑。”

PubNub公司首席技術官和聯合創始人Stephen Blum說，“可解釋的人工智能可以等同于數學問題中的‘展示工作’。所有的人工智能決策過程和機器學習都不是在黑盒中進行的——它是一種透明的服務，具有被人類從業者解剖和理解的能力。”

Sutherland公司首席分析官Phani Nagarjuna說，“可解釋的人工智能是我們可以解釋人工智能的結果，同時在人工智能達到結果的路徑上能夠清楚地解釋從輸入到結果。”

SPR公司數據分析師Andrew Maturo說，“可解釋的人工智能是一種機器學習或人工智能應用，伴隨著易于理解的推理，它如何得出一個給定的結論。無論是通過先發制人的設計還是回顧性的分析，都在采用新技術來降低人工智能的黑盒不透明性。”

CognitiveScale公司創始人和首席技術官Matt Sanchez說，“簡單來說，可解釋的人工智能意味著人工智能在其操作中是透明的，這樣人類就能夠理解和信任決策。組織必須問這個問題——那么能解釋其人工智能是如何產生這種特定的洞察力或決策的嗎?”