弥合可解释AI的学科鸿沟：从抽象需求到具体任务

Hanwei Zhang; Jingwen Wang; Holger Hermanns

弥合可解释AI的学科鸿沟：从抽象需求到具体任务

计算机与社会 2026-05-20 v1

作者: Hanwei Zhang , Jingwen Wang , Holger Hermanns

摘要

可解释AI(XAI)常因未能满足广泛的需求(例如公平性、可问责性)以及对利益相关者的实际价值有限而受到批评。这一挑战部分源于不同学科的研究人员优先考虑不同的、且仍未被充分定义且依赖于上下文的需求集，却又期望XAI能同时满足它们，这导致了碎片化且有时互不兼容的操作化。我们认为，许多需求并非相互独立，而是形成了依赖结构，其中更高层次的目标(例如，信任、可问责性)依赖于更基础的属性(例如，忠实性、鲁棒性)。一些需求是多方面的，最好在这些结构中去理解。特别是，我们不是一次性解决所有需求，而是专注于依赖结构的子集，并将其转化为具体的XAI任务，从而将研究问题分解为可基准测试和可解决的单元。为此，我们提出了一个三轴分类法(目标、功能角色和论证模式)和一个三步框架，用于推导范围明确、可基准测试的XAI任务。我们的方法建立在系统的文献综述和概念分析之上，并支持澄清需求、识别依赖关系、界定可行性以及划定设计空间，从而从抽象需求中推导出具体的XAI任务。我们通过两个解释性案例说明了其实用性，展示了该分类法和框架如何指导XAI中的系统性任务设计和评估。{\color{red}{这是一篇将发表于AISoLA 2026的论文预印本。}}

关键词

可解释AI 需求依赖结构分类法可基准测试任务概念分析

引用

@article{arxiv.2605.20081,
  title  = {Bridging the Disciplinary Gap in Explainable AI: From Abstract Desiderata to Concrete Tasks},
  author = {Hanwei Zhang and Jingwen Wang and Holger Hermanns},
  journal= {arXiv preprint arXiv:2605.20081},
  year   = {2026}
}

备注

22 pages, 2 figures, 2 tables, AISoLA 2026

弥合可解释AI的学科鸿沟：从抽象需求到具体任务

摘要

关键词

引用

备注

相关论文