本文探讨了软件工程中深度学习的因果可解释性，提出了新方法DoCode，通过因果推断为模型预测提供编程语言相关的解释，促进可信人工智能在软件工程中的应用。

本研究提出了一种设计框架，以促进可信人工智能（TAI）在医疗领域的临床应用。通过分析医疗流程参与者的需求，探讨了实施TAI原则时面临的挑战和权衡，特别关注心血管疾病领域，揭示了TAI应用的现状及障碍。

本章探讨机器学习中的鲁棒性及其在可信人工智能系统中的重要性，分析鲁棒性与泛化能力的关系，评估影响因素和关键技术，提出增强鲁棒性的策略，并强调现有方法的挑战与未来研究方向。

本文提出了可信人工智能的七个技术要求和三个主要支柱的构建方法，并考虑到了系统整个生命周期中的所有过程和角色的可信性。同时，还介绍了通过审核过程提高人工智能系统的责任的概念，以及为了未来社会进步而必须面对的规制辩论。