---
id: P-REINFORCE-AUTO-EXAI-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 0.97
tags: [auto-reinforced, xai, explainable-ai, transparency, interpretability, trust]
last_reinforced: 2026-04-20
---

# [[Explainable-AI (XAI)]]

## 📌 한 줄 통찰 (The Karpathy Summary)
> "블랙박스의 뚜껑을 열다: AI가 복잡한 신경망 속에서 내린 결론의 근거를 인간이 이해할 수 있는 언어와 시각 자료로 설명함으로써, 기계에 대한 신뢰를 구축하고 오류를 검증 가능하게 만드는 투명성의 기술."

## 📖 구조화된 지식 (Synthesized Content)
설명 가능한 AI(XAI, Explainable-AI)는 AI 모델의 결과물에 대해 인간이 이해할 수 있는 설명을 제공하는 것을 목표로 합니다.

1.  **왜 필요한가?**:
    *   **Trust**: 의료, 금융 등 생명/자산과 직결된 분야에서는 "왜"라는 질문에 답할 수 있어야 함. (Ethics & AI와 연결)
    *   **Debugging**: 모델이 엉뚱한 곳을 보고 학습하는지(예: 배경을 보고 늑대를 분류) 확인.
    *   **Regulatory Compliance**: AI의 결정에 대해 사용자가 '설명받을 권리'를 법적으로 보장받는 추세.
2.  **주요 기법**:
    *   **LIME/SHAP**: 입력값의 변화가 결과에 미치는 영향을 측정하여 중요도 표시.
    *   **Attention Maps**: 모델이 이미지의 어느 부분이나 텍스트의 어느 단어에 집중했는지 가시화.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌**: 과거에는 성능(Accuracy)과 설명력(Interpretability)이 반비례 관계라는 정책이 주류였으나, 현대 정책은 지능이 높으면서도 스스로의 논리 구조를 브리핑하는 '내재적 설명 정책'을 추구함(RL Update).
- **정책 변화(RL Update)**: 단순 가시화를 넘어, AI가 자신의 사고 과정을 단계별로 풀어서 설명하는 CoT(Chain-of-Thought) 정책이 LLM 시대의 핵심 XAI 방법론으로 부상함. (Chain-of-Thought와 연결)

## 🔗 지식 연결 (Graph)
- [[Ethics & AI]], [[Chain-of-Thought (CoT 사고 사슬)]], Trust and Perspective, Transparency, Bias-Variance Tradeoff
- **Modern Tech/Tools**: SHAP, LIME, Captum (PyTorch), Integrated Gradients.
---