微众银行首席人工智能官杨强认为，未来的世界是多对多的协作，在不同领域，针对不同对象，解释目标不一样，比如金融领域要对监管可解释，而医疗领域一定要赢得医生和病人的信任，所以在不同的领域，怎么样做好可解释，是业界考虑的重点。
透明性、可解释性和性能之间是有一个固有的矛盾，南方科技大学计算机科学与工程系系主任姚新认为，如果能从技术上根据不同场景、可解释目的，找一个折中方案，这样有可能会得到一些比较具体的技术，或者可以促进这些技术落地。
AI系统很多算法背后运作机制的未知，带来了风险的未知以及对它的不信任。京东探索研究院算法科学家何凤翔讨论时认为，可以从理论和实验两个路径中去寻找算法背后运作的机制，当理论研究遇到困难的时候，很多实验学科可以作为对于机器学习研究的启发，比如说新药上市前要做双盲实验，就能够提升人们对新药的信任程度，这种方式可以引入到AI落地的信任度解决方案中。
那么，在技术上不可行的时候，我们会有一些什么样的替代性的机制来确保它实现可信和负责任？
香港中文大学（深圳）副教授、腾讯AI Lab顾问吴保元认为，以研究犯罪率或者疾病的传播率、发病率等为例，在不同地方、不同种族，很可能会得出犯罪率高的结果，这个问题在于数据背后采集的时候样本有可能不完整，比如有可能是政府投入不足，或者其他因素。这也启发我们可解释性本身的可信性、准确性、公平性，是否忽略了某些特征，或者夸大了某些特征，如果把样本变化一点，可解释性可能会截然相反。AI研究者不仅要关注准确度，要把可信当做一个前提条件，要关注多种特性之间的关联。
厦门大学人文学院院长朱菁认为，人工智能的可解释性问题是多元性的，要允许有多种不同层次不同方式的解释起作用，当可解释性需要做出权衡取舍的时候，可以从多个层面来进行替代，或者说是补偿性、补充性的策略，比如，安全性和鲁棒性很好，对专家层面的解释性很好，但是对公众解释性不清晰的时候，有公信力的部门，可以向社会做一些说明和认定。
可见，如何找到一个平衡的可解释AI的路径，确保科技向善，需要充分考虑实现目标、公平、安全、隐私之间的平衡，《可解释AI发展报告2022》建议，可以从行业标准建立适应不同行业和场景的可解释标准，避免不区分应用场景和类型，提出统一的可解释要求的做法；探索可解释的替代性机制，包括第三方的标记反馈，用户的申诉，常规的检测、审计等方式，通过多种方式一起确保可信AI的实现；从人的角度来看，开发者和使用者都是AI生态的核心参与者，需要提升他们的算法伦理方面的素养。（高飞）

• 苹果|马化腾称，腾讯只是一家普通公司，这是谦虚说法还是有所顾虑？
• 百度|马化腾的一句话，腾讯市值一小时暴涨1400亿港币，马云格局还是小了
• 腾讯研究院|构建美好数字社会，腾讯2022科技向善创新周成功举办
• 合规|上海制定反垄断、互联网营销算法、盲盒经营活动等新业态合规指引
• c语言|e观沧海丨算法焉能藏“算计”
• 腾讯|投出公司的总市值顶两个科创板，腾讯在给哪些企业当“后台”？
• 腾讯|前腾讯员工爆料：鹅厂的末位淘汰制让人心理崩溃！
• 芯片|腾讯立功了，国产芯片迎来好消息，重要程度不亚于华为鸿蒙
• 马化腾|从不大放厥词，马化腾：腾讯随时被替换
• 苹果|马化腾的一句话，腾讯市值一小时暴涨1400亿港币，马云格局还是小