Explainable AI is a subfield of artificial intelligence focused on making the decisions and inner workings of AI models understandable to humans.الذكاء الاصطناعي القابل للتفسير (Explainable AI / XAI) هو مجال يجعل عمل نماذج تعلم الآلة شفافاً للبشر. على عكس الشبكات العصبية التقليدية — "الصناديق السوداء"، يوفر XAI تفسيراً: لماذا توصل النموذج إلى هذا الاستنتاج، وما الميزات التي كانت مهمة، ومدى موثوقية التوقع. تنقسم المناهج إلى نماذج قابلة للتفسير (أشجار القرار، النماذج الخطية) وتفسيرات لاحقة للنماذج المعقدة المدربة مسبقاً (LIME، SHAP، خرائط التدرج). هذا أمر بالغ الأهمية في الطب والمالية والقانون، حيث قد يكلف الخطأ حياة أو حرية.
تفاقمت مشكلة الصندوق الأسود مع نهضة التعلم العميق في عام 2012. تضمنت الأعمال المبكرة حول تفسير النماذج تحليل الأوزان في التسعينيات، ولكن كتخصص منفصل، تشكل XAI بعد عام 2016، عندما أطلقت DARPA برنامج Explainable AI. تم ترسيخ الحق الرسمي في تفسير القرارات الخوارزمية بموجب اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي.
يعتمد XAI على طرق تقريب دالة القرار المعقدة بنموذج بسيط قابل للتفسير في المحيط المحلي لكل مثال (LIME). يستخدم SHAP نظرية الألعاب: يتم حساب مساهمة كل ميزة كمساهمتها الحدية عبر جميع المجموعات الفرعية الممكنة من الميزات. تقوم طرق التدرج (Grad-CAM) بتصور المناطق في صورة الإدخال التي قامت بتنشيط الخلايا العصبية في الطبقة الالتفافية الأخيرة بقوة أكبر، باستخدام تدرجات الفئة المستهدفة. بالنسبة للنماذج النصية (المحولات)، تتيح آلية الانتباه تسليط الضوء على الكلمات المهمة.
يرى الطبيب ليس فقط التشخيص من الذكاء الاصطناعي، بل أيضاً الصورة مع الورم المضاء للتأكد بنفسه. يشرح البنك للعميل سبب رفض القرض.
إحدى طرق XAI، وهي SHAP، سُميت تيمناً بقيمة شابلي من نظرية الألعاب — فهي توزع "مساهمة" كل ميزة في القرار بشكل عادل، مثل المكافأة بين لاعبي الفريق.





















