在哲学上，如何定义优质解释一直是一个长期的争论，最近在人工智能输出的背景下重新引起关注。解释性对于许多场景中的AI采用至关重要，但要产生良好的AI系统解释，我们首先必须了解什么是良好的解释。本文提出了一种受到反事实解释启发的定义，然而我们认为还必须考虑到对话者对每个可能提供的事实的先验信念。我们探讨了这一定义对AI可解释性的影响，特别是为什么大语言模型（LLM）的输出难以产生良好的解释。
博主点评： 本文深入探讨了AI可解释性的重要性，并强调了针对不同受众的个性化解释需求。这一思考对推动AI技术的透明化与信任建立具有重要意义。