基于逻辑的可解释性：过去、现在与未来

近年来，机器学习（ML）和人工智能（AI）的影响令人瞩目，预计这一影响力将持续到不可见的未来。然而，AI/ML 的广泛应用也引发了严峻的担忧。最先进的 AI/ML 模型运行机制常常超出人类决策者的理解范围，导致影响人类的决策可能无法被理解且缺乏严格的验证。可解释人工智能（XAI）致力于为 ML 模型的预测提供可被人类决策者理解的解释。因此，XAI 是可信赖 AI 的基石。尽管其战略重要性不言而喻，但大多数 XAI 工作缺乏严谨性，导致在高风险或安全关键领域的应用反而会削弱信任。近期涌现出的基于逻辑的 XAI 作为其他非严谨方法的替代方案，正逐渐成为解决之道。本文对基于逻辑的 XAI 进行技术性综述，涵盖其渊源、当前研究主题以及 emerging future research topics。文章还指出了那些滋生于非严谨 XAI 方法中的诸多谬误。