Bài báo này nhấn mạnh rằng việc giải thích hiệu quả các quyết định của mô hình học máy hộp đen là rất quan trọng để triển khai có trách nhiệm các hệ thống AI, và trình bày một khuôn khổ I-CEE cho AI có thể giải thích được (XAI) lấy người dùng làm trung tâm. I-CEE cung cấp cho người dùng một tập hợp con dữ liệu huấn luyện (hình ảnh ví dụ), các giải thích cục bộ của chúng và các quyết định mô hình để giải thích các quyết định của mô hình phân loại hình ảnh. Không giống như các nghiên cứu trước đây, I-CEE mô hình hóa tính thông tin của hình ảnh ví dụ dựa trên chuyên môn của người dùng, cung cấp các ví dụ khác nhau cho những người dùng khác nhau. Thông qua mô phỏng và thử nghiệm với 100 người tham gia, chúng tôi chứng minh rằng nó cải thiện độ chính xác dự đoán (tính đơn giản) của các quyết định mô hình cho người dùng.
