近些年来，随着AI在各个领域中得到广泛应用，如何理解各类模型的输出变成一件非常重要而又棘手的工作。来自哈佛大学的Hima Lakkaraju、麻省理工学院的Julius Adebayo以及加州大学埃尔文分院的Sameer Singh在最近的AAAI 2021上对机器学习的可解释性这一前沿课题进行了总结（Google搜索“explainml-tutorial”）。这个短课程把当前的模型解释工作分为了两大类别，并且针对模型解释的一系列问题进行了广泛得总结，非常适合希望对这个领域有总体了解的科研和工程人员。