本研究探讨了航空航天领域对人工智能系统预测原因的理解不足，提出可解释人工智能（XAI）概念，强调其在透明模型中的应用，以提高专业人员对AI系统的理解和决策质量。

该文介绍了一种 Greybox XAI 框架，使用符号知识库将 DNN 和透明模型组成，从数据集中提取知识库并训练透明模型，最终形成可解释的预测模型。

该文介绍了Greybox XAI框架，通过结合深度神经网络和透明模型，利用符号知识库实现可解释的人工智能。首先，从数据集中提取知识库并用于训练透明模型。然后，通过训练编码器-解码器架构在RGB图像上生成类似于透明模型输出的知识库。最后，将这两个模型组合形成可解释的预测模型。作者展示了该框架在几个数据集上的准确性和可解释性。