본 논문은 AI의 결과에 대한 사용자 이해도 향상을 위해 사실적 설명("왜 이 결과인가?")과 반사실적 설명("왜 다른 결과가 아닌가?")을 다룹니다. 기존의 사실적 설명 연구에 비해 반사실적 설명에 대한 연구는 부족한 상황이며, 본 논문은 반사실적 설명에 대한 형식적 정의를 제시하고, 그 특성을 증명하며, 사실적 설명과의 관계를 분석합니다. 여러 개의 반사실적 설명이 존재할 수 있다는 점을 고려하여, 단순한 최소성 조건을 넘어서 반사실적 설명을 순위화하고 최적의 설명을 식별하는 엄격한 방법을 제안합니다. 12개의 실제 데이터셋을 이용한 실험 결과, 대부분의 경우 단일 최적의 반사실적 설명이 도출되었으며, 세 가지 지표를 통해 선택된 최적의 설명이 더 높은 대표성을 가지고 더 넓은 범위의 요소를 설명할 수 있음을 보여줍니다.
