2nd/10_Wiki/Topics/Interpretability.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
INTERPRET-001	Dev	1.0	ai explainable-ai xai machine-learning trust	2026-04-26

Interpretability (해석 가능성)

📌 한 줄 통찰 (The Karpathy Summary)

"AI 블랙박스의 내부를 들여다보는 지적 렌즈" — 머신러닝 모델의 판단 근거와 내부 작동 기제를 인간이 이해할 수 있는 형태로 설명하고 분석하는 능력.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 복잡한 신경망 가중치 뒤에 숨겨진 논리 구조를 식별하여, AI의 결정이 우연인지 실질적인 학습 결과인지 검증하는 패턴.
• 세부 내용:
  • Global Interpretability: 모델 전체의 거동과 중요한 변수들의 영향을 파악 (예: Feature Importance).
  • Local Interpretability: 특정 개별 데이터에 대해 왜 그런 결정을 내렸는지 분석 (예: LIME, SHAP).
  • Mechanistic Interpretability: 모델 내부의 특정 뉴런이나 '회로(Circuit)'가 수행하는 구체적인 알고리즘적 역할을 규명.
  • Trust & Safety: 오답의 원인을 파악하고, 모델의 편향이나 위험성을 사전에 감지하기 위한 필수 요건.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 성능을 위해 이해를 포기하던 '블랙박스' 시대에서, 신뢰성과 규제 대응을 위해 '설명 가능한 AI(XAI)'가 필수적인 시대로 진입.
• 정책 변화: Antigravity 프로젝트는 모든 지식 보강 작업 시 모델이 참조한 근거(Raw Source)를 명시하여 결과물의 해석 가능성과 신뢰도를 확보함.

🔗 지식 연결 (Graph)

• Explainable-AI, Circuit-Discovery, Feature-Clamping, AI-Ethics
• Raw Source: 10_Wiki/Topics/AI/Interpretability.md