从图形到梯度：网络物理物联网系统及其他系统的物理启发结构归因

arXiv:2607.05563v1 公告类型：新 摘要：人工智能中的可解释解释方法旨在揭示根本原因及其影响，从而更深入地理解为什么系统在不同输入下以某种方式表现。与主要强调输入和输出变量之间的相关性的传统可解释性方法不同，因果解释侧重于干预问题。通过这样做，它可以提供更强大的见解，帮助用户理解自动化决策，尤其是在高风险领域。然而，在具有反馈的大规模混合网络物理系统中，恢复明确的定向因果结构通常是不切实际的。