본 논문은 종단간 학습 기반 자율주행 시스템의 설명 가능성(explainability)이 안전성에 미치는 영향을 연구합니다. 깊은 학습의 발전과 대규모 데이터셋의 등장에도 불구하고, 종단간 학습의 블랙박스 성격은 자율주행차의 신뢰도와 상용화에 걸림돌이 되고 있습니다. 특히 사고 발생 시 설명 가능성의 부재는 문제를 더욱 악화시킵니다. 따라서 본 논문은 종단간 자율주행에서 설명 가능성의 안전성 함의를 탐구하며, 기존의 안전 및 설명 가능성 개념을 재검토하고, 사례 연구를 통해 설명 가능성의 중요성을 보여줍니다. 마지막으로 경험적 연구 결과를 바탕으로 실용적인 설명 가능한 AI 방법론의 잠재적 가치, 한계 및 주의사항을 밝힙니다.
