有關金融服務中的「可解釋人工智慧」（Explainable AI, XAI），下列敘述何者正確？
A可解釋AI犧牲預測準確性以換取完全的透明度
B可解釋AI是一種特定的機器學習算法
C可解釋AI旨在使AI系統的決策過程和結果能夠被人類理解，同時保持模型性能正確答案
D可解釋AI僅適用於簡單的決策樹模型
答案與詳解
C
正確答案
XAI核心在於打破AI黑盒子，讓人類理解決策邏輯且兼顧模型效能，它是一系列技術方法而非單一演演算法。
為什麼答案是 C
XAI的核心目標就是打破AI「黑盒子」，讓決策過程可被人類理解，同時維持模型原有的預測效能。
考點：效能與透明度考點：XAI本質考點：XAI核心定義考點：適用範圍
載入中…
完整詳解
Pro · 無限重點 XAI核心在於打破AI黑盒子，讓人類理解決策邏輯且兼顧模型效能，它是一系列技術方法而非單一演演算法。
秒殺技巧
看到「可解釋」就抓「人類能理解＋兼顧效能」。XAI是方法論集合，不是單一演算法，也不限於簡單模型，專治黑盒子。逐選項分析
A效能與透明度✕
XAI旨在平衡透明度與效能，並非必然犧牲預測準確性來換取透明度，兩者可以透過適當技術並存。
BXAI本質✕
XAI是一系列技術與方法的統稱（如LIME、SHAP等），用來解釋模型，而非單一的機器學習演演算法。
CXAI核心定義✓ 正確
XAI的核心目標就是打破AI「黑盒子」，讓決策過程可被人類理解，同時維持模型原有的預測效能。
D適用範圍✕
XAI最常被應用於複雜且難以理解的「黑盒子」模型（如深度學習），絕對不僅限於簡單的決策樹模型。
可解釋AI (XAI) 核心概念對照表
| 特徵 | 正確觀念 | 常見誤區 |
|---|---|---|
| 本質 | 一系列技術與方法論的統稱 | 單一的特定機器學習演演算法 |
| 目標 | 兼顧決策透明度與模型效能 | 犧牲準確性以換取完全透明 |
| 適用範圍 | 複雜黑盒模型及簡單模型皆可 | 僅適用於簡單的決策樹模型 |
陷阱提醒
考生易誤以為「要解釋就必須犧牲準確度」或「XAI只是一種新演演算法」。請記住 XAI 是「技術集合」，目的是開啟黑盒子，而非創造一個又慢又不準的新模型。