新闻与观点 2026年9月2日 一个能够以人类可理解的方式直接解释其决策的自动驾驶系统可能会提高驾驶安全性。作者：金孝昌，金孝昌任职于韩国仁川全球校园的斯坦福中心，邮政编码21985；姜贤民，姜贤民在韩国庆尚大学心理学系任职，邮政编码38453。 一辆自动驾驶汽车在一条看似空旷的道路上刹车。驾车者无法判断汽车是否检测到了真正的危险，还是出现了幻觉，而由于无法理解系统的推理，他们不知道是否应该介入。肯尼等人1在《自然》上撰文，报告了一种名为概念包络网络（CW-Net）的算法，旨在解决这一“黑箱”问题。CW-Net使用人类可理解的概念来使车辆的决策透明，作者表明这使人们在预测车辆接下来会做什么时表现更好——包括在汽车犯错的情况下。 参考文献：肯尼，E. M. 等。《自然》657，114–120（2026年）。文章 谷歌学术 鲁丁，C. 《自然机器智能》1，206–215（2019年）。谷歌学术 柯，P. W. 等，发表于第37届国际机器学习会议论文集（主编：达梅，H. III & 辛格，A.）5338–5348（PMLR，2020年）。谷歌学术 恩斯利，M. R. 《人因》37，65–84（1995年）。文章 谷歌学术 具，J. 等。《国际互动设计与制造杂志》9，269–275（2015年）。文章 谷歌学术 李，O.，库拉诺，R.，米勒，D.，金，H. & 西尔金，D. 在第16届国际汽车用户界面与交互车辆应用会议论文集，248–258（ACM，2024年）。谷歌学术 结束 竞争利益：作者声明没有竞争利益。