从“要是”到“即使”：最佳半事实解释是否以反事实为引导？

近年来，使用“要是”解释的反事实在可解释 AI（XAI）中变得非常流行，因为它们描述了对黑盒 AI 系统特征输入的哪些改变会导致（通常是负面的）决策结果的改变。最近，使用“即使”解释的半事实获得了更多关注。它们阐明了不改变 AI 系统决策结果的特征输入变化，有可能建议更有益的追索。一些半事实方法使用查询实例的反事实来引导半事实的生成（即所谓的反事实引导方法），而另一些则不然（即所谓的无反事实方法）。在这项工作中，我们使用 5 个关键指标在 7 个数据集上对 8 种半事实方法进行了全面测试，以确定寻找最佳半事实是否需要反事实引导。这些测试的结果表明并非如此，而是计算决策空间的其他方面能带来更好的半事实 XAI。