理解人工智能系统内部工作对于价值对齐和安全至关重要。本综述通过逆向工程神经网络学习的计算机机制和表示，将其转化为人类可理解的算法和概念，提供细致、因果性的理解。研究了因果分解模型行为的方法论，并评估了机制解释对人工智能安全性的相关性。挑战包括可扩展性、自动化和全面解释。主张明确概念、确立标准，并拓展到视觉和强化学习等领域的技术。机制解释有助于防止人工智能系统灾难性结果。