본 논문은 인공지능(AI)의 사회적 확산에 따라, 표 형태의 데이터, 텍스트, 이미지 등을 이용하는 머신러닝 예측 알고리즘을 포함한 AI 메커니즘의 동작에 대한 이해가 필요함을 강조한다. 특히 기능 데이터(functional data) 기반 예측 모델의 해석성에 초점을 맞춰, 무한한 크기의 특징 집합을 다루는 해석성 방법을 제안한다. 스칼라-함수 회귀(scalar on function regression)의 맥락에서, 연속 게임에 대한 셰이플리 값(Shapley value)을 기반으로 하는 해석성 방법을 제안하며, 이는 연속적인 플레이어 집합 간의 전역적 보상을 공정하게 분배할 수 있는 수학적 공식이다. 모의 및 실제 데이터 세트를 이용한 실험을 통해 방법을 설명하고, 오픈소스 Python 패키지 ShapleyFDA를 소개한다.
