Зеҳни сунъии тавзеҳпазир (Explainable Artificial Intelligence, XAI) маҷмӯи усулҳоест, ки мекӯшад асос ёфтани пешгӯӣ ё қарорҳои модели зеҳни сунъиро ба кадом вурудҳо, мафҳумҳо ё ҳисобҳои дохилӣ барои инсонҳо қобили таҳқиқ гардонад. Тадқиқоти survey-и Olivia Denvis усулҳои тавзеҳро, ки дар биология истифода мешаванд, аз рӯи меҳварҳои feature attribution, таҳлили attention, concept-based explanation ва mechanistic interpretability; ва татбиқҳоро дар соҳаҳои геномика, foundation model-ҳои якҳуҷайра, моделсозии сафеда, кашфи дору ва тасвирбардории биотиббӣ тасниф мекунад. Таъкиди асосии survey ин аст, ки таҳқиқоти зеҳни сунъии биологӣ аз моделҳое, ки танҳо пешгӯии дуруст медиҳанд, ба самти равишҳое ҳаракат мекунанд, ки дар дохили модел кадом барномаҳои биологӣ ва механизмҳои ҳисоббарорӣ ташаккул меёбанд.

Дар ин тағйирот sparse autoencoder-ҳо (SAE) аҳамияти махсус пайдо кардаанд. SAE-ҳо ҳадаф доранд намояндагиҳои дохилии ба ҳам омехтаи шабакаҳои бузурги нейронии сунъиро ба хусусиятҳои камтар фаъол ва тафсирпазир ҷудо кунанд. Survey таъкид мекунад, ки интиқоли ин усул аз моделҳои забонӣ ба foundation model-ҳои биологӣ як хатти нави таҳқиқотиро барои ҷудо кардани мафҳумҳои биологӣ, аз қабили навъи ҳуҷайра, барномаи генӣ ё сохтори гистологӣ, аз дохили embedding-ҳои тақсимшуда ба вуҷуд овардааст.

Тадқиқот ҳамзамон ҳушдори муҳим медиҳад: аз ҷиҳати визуалӣ боварибахш будани тавзеҳ маънои онро надорад, ки он воқеан механизми қабули қарори моделро намояндагӣ мекунад. Харитаҳои attention, saliency map-ҳо ё арзишҳои feature attribution метавонанд бинобар намунаҳои мустақил аз модел, геометрияи худи вуруд ё коррелятсияҳо гумроҳкунанда бошанд. Аз ин рӯ, ҳадафи XAI-и биологӣ танҳо сохтани тавзеҳ нест, балки санҷидани он аст, ки тавзеҳ воқеан ба рафтори модел вобаста аст, бо faithfulness test-ҳо, sanity check-ҳо ва, агар имкон бошад, таҷрибаҳои мудохилавӣ.

Чаро сиёҳқуттӣ будани зеҳни сунъӣ дар биология мушкили махсус аст?

Дар бисёр татбиқҳои муҳандисӣ ҳадафи модел метавонад баровардани қарори дуруст бошад. Аммо дар биология модел аксаран худи воситаи фаҳмиши илмӣ аст. Биолог танҳо донистани он ки як пайдарпаии DNA танзимкунанда аст, намехоҳад; ӯ мехоҳад бидонад кадом нуклеотидҳо таъсир доранд, кадом motif пайвастшавии омили транскрипсияро роҳнамоӣ мекунад ва тавассути кадом механизм ифодаи ген тағйир меёбад.

Ҳамин ҳолат барои сафедаҳо, ҳуҷайраҳо ва молекулаҳо низ дуруст аст. Модели сафеда метавонад сохтори дурустро пешгӯӣ кунад; аммо кадом муносибатҳои аминокислотаӣ моделро ба ин сохтор оварданд, саволи ҷудогонаи илмӣ аст. Модели якҳуҷайра метавонад навъи ҳуҷайраро дуруст тасниф кунад; аммо агар маълум набошад, ки қарор воқеан ба барномаи биологии генӣ такя мекунад ё ба таъсири техникии batch, модел метавонад аз ҷиҳати илмӣ гумроҳкунанда бошад.

Survey аз ин рӯ бар он аст, ки тавзеҳпазирӣ дар биология танҳо масъалаи эътимод ё таҷрибаи корбар нест, балки бевосита бо тавлиди гипотезаи илмӣ алоқаманд аст.

Зеҳни Сунъии Тавзеҳпазир дар Биология Чӣ Кор Кардан Мехоҳад?

XAI-и биологӣ мекӯшад бо муайян кардани он ки баромади модел бо кадом вурудҳои биологӣ, мафҳумҳои намояндагишуда ё равандҳои дохилии ҳисоббарорӣ алоқаманд аст, пешгӯиро ба тавзеҳи аз ҷиҳати биологӣ маънодор табдил диҳад; аммо барои он ки чунин тавзеҳ арзиши илмӣ дошта бошад, бояд алоҳида тасдиқ карда шавад, ки он воқеан ба рафтори модел faithful аст.

Тавзеҳи intrinsic ва post-hoc

Survey ду равиши асосиро аз ҳам ҷудо мекунад. Intrinsic interpretability маънои онро дорад, ки худи сохтори модел фаҳмо бошад. Моделҳои хаттии камзич, рӯйхатҳои кӯтоҳи қарор ё меъмориҳое, ки latent variable-ҳои аз ҷиҳати биологӣ маънодор доранд, метавонанд намуна бошанд.

Post-hoc explanation бошад, пас аз омӯзонидани модели мураккаб ва мустақиман хонданашаванда барои тавзеҳи рафтори он усулҳои иловагӣ истифода мекунад. Усулҳое мисли SHAP, Integrated Gradients ё Grad-CAM ба ин синф дохил мешаванд.

Равиши post-hoc имкон медиҳад моделҳои пурқувват таҳқиқ шаванд; аммо тавзеҳ худи модел нест, балки объекти баъдан дар бораи модел ҳисобшуда аст. Аз ин рӯ бояд алоҳида санҷида шавад, ки тавзеҳ то чӣ андоза ба мантиқи воқеии қарори модел содиқ аст.

Тавзеҳи local ва global

Як local explanation ба як баромади ягонаи модел тамаркуз мекунад. Масалан, мекӯшад шарҳ диҳад, ки чаро пайдарпаии мушаххаси DNA ҳамчун enhancer тасниф шудааст ё чаро ҳуҷайраи мушаххас ҳамчун T ҳуҷайра муайян шудааст.

Global explanation бошад, рафтори умумии моделро таҳқиқ мекунад. Масалан, метавон омӯхт, ки модел дар саросари геном пайваста кадом motif-ҳоро истифода мебарад ё attention head-ҳои муайян дар дохили модели сафеда умуман кадом муносибатҳои сохториро намояндагӣ мекунанд.

Feature attribution

Усулҳои feature-attribution мекӯшанд арзёбӣ кунанд, ки тағйироти баромади модел бо кадом хусусиятҳои вурудӣ алоқаманд аст. Аз назари биология ин равиш махсусан табиӣ аст, зеро худи хусусиятҳои вурудӣ аксаран воҳидҳои физикӣ ё биологӣ мебошанд:

• нуклеотид дар модели DNA,
• ген дар модели якҳуҷайра,
• боқимондаи аминокислота дар модели сафеда,
• атом ё пайванд дар модели молекула,
• пиксел ё минтақаи тасвир дар модели гистопатология.

Усулҳои асосии feature-attribution, ки Survey баррасӣ мекунад, LIME, SHAP, Integrated Gradients, DeepLIFT, Layer-wise Relevance Propagation ва Grad-CAM мебошанд.

Чаро Вазнҳои Attention Танҳо Худашон Тавзеҳ Ҳисоб Намешаванд?

Вазнҳои attention метавонанд нишон диҳанд, ки модел байни token-ҳои муайян ба кадом роҳҳои иттилоотӣ вазни бештар медиҳад, аммо азбаски як баромади модел метавонад бо тақсимоти гуногуни attention ҳосил шавад, арзиши баланди attention худ аз худ тавзеҳи сабабӣ ё faithful нест; бинобар ин дар биология харитаҳои attention бояд ҳамчун гипотезаҳое баррасӣ шаванд, ки ба тасдиқ ниёз доранд.

Ин фарқ барои моделҳои сафеда махсусан муҳим аст. Вақте token-ҳои пайдарпаии сафеда аминокислотаҳоро ифода мекунанд, он ки як attention head ба боқимондаҳои муайян вазни баланд диҳад, метавонад аз ҷиҳати биологӣ ҷолиб намояд. Аммо танҳо тавассути муқоиса бо маълумоти мустақили сохторӣ метавон нишон дод, ки ин воқеан interface-и пайвастшавӣ, минтақаи тамос ё motif-и функсионалиро ифода мекунад.

Survey ҳамчун мисол меорад, ки дар таҳқиқоти моделҳои забонии сафеда робитаи attention head-ҳои муайян бо тамосҳои сохторӣ, минтақаҳои пайвастшавӣ ва ҷойҳои post-translational modification тавассути муқоисаҳои миқдорӣ омӯхта шудааст. Дарси асосии методологӣ ин аст, ки визуализатсияи attention бояд на натиҷа, балки нуқтаи оғоз бошад.

Тавзеҳҳои бар пояи мафҳум

Attribution дар сатҳи як нуклеотид ё ген метавонад аз миқёси мафҳуме, ки биолог дар назар дорад, поёнтар бошад. Муҳаққиқ аксаран ба ҷойи “кадом ген?” мепурсад: “кадом pathway?”, “кадом барномаи ҳуҷайравӣ?” ё “кадом раванди биологӣ?”

Усулҳои concept-based ҳадаф доранд робитаи активацияҳои моделро бо мафҳумҳои сатҳи баланди аз ҷониби инсон таърифшуда таҳқиқ кунанд. Testing with Concept Activation Vectors (TCAV), ки Survey баррасӣ мекунад, барои як мафҳуми муайян дар фазои активация як самт меомӯзад ва ҳассосияти пешгӯиҳои моделро ба ин самт месанҷад.

Биология барои ин равиш майдони ғанӣ фароҳам меорад, зеро маҷмӯаҳои генӣ, имзоҳои навъи ҳуҷайра, pathway-ҳои молекулӣ ва онтологияҳои функсионалӣ луғатҳои мафҳумиро ташкил медиҳанд, ки инсонҳо пешакӣ таъриф кардаанд.

Mechanistic Interpretability аз Feature Attribution Чӣ Фарқ Дорад?

Feature attribution мепурсад, ки пешгӯӣ бо кадом вурудҳо алоқаманд аст, дар ҳоле ки mechanistic interpretability мекӯшад муайян кунад, ки дар активацияҳо ва вазнҳои дохилии модел кадом хусусиятҳо намояндагӣ мешаванд, ин хусусиятҳо тавассути кадом пайвастҳо ба ҳам меоянд ва барои ҳосил кардани баромади муайян кадом circuit-ҳои ҳисоббарорӣ фаъол мешаванд.

Аз ин рӯ, mechanistic interpretability ба ҷойи пурсидани модел аз берун, сохтори дохилии онро ба мавзӯи reverse engineering табдил медиҳад. Ҳадаф танҳо гуфтани “ин ген муҳим аст” нест, балки муайян кардани он аст, ки модел як барномаи мушаххаси ҳуҷайравиро дар кадом latent representation код мекунад ва ин representation дар қабатҳои баъдӣ ба кадом ҳисоб таъсир мерасонад.

Мушкили superposition

Дар шабакаҳои нейронии муосир фарзияе, ки як нейрон танҳо як хусусияти барои инсон маънодорро намояндагӣ мекунад, аксаран дуруст нест. Шабака метавонад хусусиятҳои бештар аз шумораи нейронҳои физикии худ дар самтҳои ба ҳам рӯйпӯш код кунад. Survey ин ҳолатро бо мафҳуми superposition шарҳ медиҳад.

Дар натиҷа як нейрон метавонад бо якчанд мафҳум алоқаманд бошад ва тафсирҳои мустақим ба монанди “ин нейрон T ҳуҷайраро намояндагӣ мекунад” метавонанд гумроҳкунанда бошанд.

Sparse Autoencoder дар Foundation Model-ҳои Биологӣ Чӣ Медиҳад?

Sparse autoencoder мекӯшад активацияҳои зич ва ба ҳам рӯйпӯши моделро ба луғати васеътар, вале камфаъоли хусусиятҳо ҷудо кунад ва бо ин мутобиқ кардани хусусиятҳои алоҳидаи latent-ро бо мафҳумҳои биологӣ, аз қабили навъҳои муайяни ҳуҷайра, барномаҳои генӣ ё сохторҳои гистологӣ, осон гардонад.

Дар равиши SAE ба ҷойи параметрҳои худи модел активацияҳои муайяни қабатҳои миёна таҳлил мешаванд. Autoencoder меомӯзад, ки ин активацияҳоро тавассути feature dictionary-и баландандоза бозсозӣ кунад; маҳдудияти sparsity ташвиқ мекунад, ки дар як намуна танҳо шумораи ками хусусиятҳо сахт фаъол шаванд.

Пешрафте, ки Survey махсус таъкид мекунад, интиқоли ин усул аз interpretability-и моделҳои бузурги забонӣ ба foundation model-ҳои биологӣ аст. Манбаъ таҳқиқотеро баррасӣ мекунад, ки дар foundation model-ҳои патология хусусиятҳои sparse-и бо сохторҳои гистологӣ ва дар намояндагиҳои foundation model-и якҳуҷайра хусусиятҳои бо барномаҳои навъи ҳуҷайра алоқамандшаванда гузориш шудаанд.

Аҳамияти илмии ин танҳо номгузорӣ кардани хусусиятҳои latent нест. Агар бо фаъол ё пахш кардани як хусусияти муайяни SAE баромади модел ба таври мунтазам тағйир дода шавад, тавзеҳ аз сатҳи коррелятсия ба сатҳи мудохила наздик мешавад.

Геномикаи танзимкунанда

Геномика яке аз соҳаҳоест, ки XAI дар биология барвақт истифода шудааст. Вақте пайдарпаии DNA мустақиман вуруди модел аст, attribution-ро барои ҳар нуклеотид ё motif ҳисоб кардан мумкин аст.

Survey оилаҳои моделҳо, аз қабили DeepBind, DeepSEA, Basset, ExPecto, BPNet ва Enformer-ро дар ин хатти рушд баррасӣ мекунад. Махсусан якҷоя кардани моделҳои base-resolution бо DeepLIFT ва усулҳои кашфи motif на танҳо аз нав ёфтани motif-ҳои маълум, балки ташаккули гипотезаҳо дар бораи он ки motif-ҳо чӣ гуна якҷоя ташкил мешаванд, имконпазир гардонд.

Foundation model-ҳои якҳуҷайра

Моделҳое мисли Geneformer, scGPT, scFoundation ва Universal Cell Embeddings намояндагиҳои тақсимшударо аз миллионҳо ҳуҷайра меомӯзанд. Ин embedding-ҳо метавонанд дар вазифаҳои downstream, ба монанди таснифи навъи ҳуҷайра ва perturbation prediction истифода шаванд; аммо аксаран мустақиман маълум нест, ки як андозаи embedding аз ҷиҳати биологӣ чиро намояндагӣ мекунад.

Ба гуфтаи Survey, яке аз равшантарин намунаҳои интиқоли mechanistic interpretability ба биология ҳамин соҳа аст. Мутобиқ кардани хусусиятҳои latent бо барномаҳои навъи ҳуҷайра ва gene-set тавассути sparse dictionary learning намояндагии дохилии foundation model-ро ба луғати мафҳумҳое, ки биологҳо истифода мебаранд, наздик мекунад.

Аммо коррелятсияи байни як хусусият ва як gene-set худ аз худ натиҷаи механистӣ нест. Survey махсусан озмоиши он ки оё бо мудохила ба хусусиятҳои latent рафтори модел тағйир меёбад, ҳамчун стандарти қавитари далел таъкид мекунад.

Моделҳои сафеда

Моделҳои забонии сафеда метавонанд аз садҳо миллион пайдарпаии сафеда намояндагиҳои сохторӣ ва функсионалӣ омӯзанд. Он ки token-ҳои сафеда мустақиман ба боқимондаҳои аминокислота мувофиқанд, барои interpretability бартарии махсус медиҳад.

Он ки attention head-ҳо бо нуқтаҳои тамос, минтақаҳои пайвастшавӣ ё ҷойҳои post-translational modification мутобиқат мекунанд ё не, метавонад мустақиман бо аннотацияҳои сохторӣ муқоиса шавад. Ин хусусият моделҳои сафедаро барои mechanistic interpretability ва sparse dictionary усулҳо ҳадафи пурқувват мегардонад.

Кашфи молекула ва дору

Graph neural network-ҳо молекулаҳоро ҳамчун графҳое коркард мекунанд, ки аз атомҳо ва пайвандҳо иборатанд. Тавзеҳи фаъолияти молекула аксаран маънои муайян кардани он дорад, ки кадом subgraph ё гурӯҳи кимиёвӣ ба пешгӯӣ саҳм мегузорад.

Survey шарҳ медиҳад, ки усулҳое мисли GNNExplainer мекӯшанд subgraph-и хурди молекулавиеро пайдо кунанд, ки пешгӯиро то ҳадди имкон нигоҳ дорад. Ҳамин тавр, тавзеҳ аз як холи аҳамият ба motif-и молекулавие табдил меёбад, ки кимиёгар метавонад онро таҳқиқ кунад.

Тасвирбардории клиникӣ ва патологияи рақамӣ

Дар гистопатология ва дигар тасвирҳои биотиббӣ усулҳои Grad-CAM ва saliency-based барои нишон додани минтақаҳои тасвир, ки ба қарори тасниф таъсир мекунанд, ба таври васеъ истифода мешаванд.

Аммо ин соҳа яке аз хатарҳои асосии XAI-ро ҳам равшан нишон медиҳад: таснифгари омос метавонад ба ҷойи хусусияти воқеии гистологӣ artefact-и сканер, нишони беморхона ё протоколи тасвирбардориро истифода кунад. Тавзеҳи визуалӣ метавонад ба ошкор кардани чунин shortcut-ҳо кӯмак кунад; аммо усули бад тарҳрезишудаи тавзеҳ ҳамон artefact-ро ҳамчун сигнали биологӣ нишон дода метавонад.

Усул ва Натиҷаҳои Тадқиқот

Ин тадқиқот аз кадом навъи усул истифода кардааст?

Тадқиқот модели нави эксперименталӣ таҳия намекунад. Муаллиф адабиёти мавҷудаи XAI ва mechanistic interpretability-ро зери як таксономияи консептуалӣ муттаҳид мекунад. Survey ду меҳвари мустақилро истифода мебарад:

1. Меҳвари усул: feature attribution, attention analysis, concept-based explanation ва mechanistic interpretability.
2. Меҳвари татбиқ: геномика, якҳуҷайра/foundation model-ҳо, сафедаҳо, кашфи молекула ва дору, тасвирбардории клиникӣ ва патология.

Чӣ тавр мефаҳмем, ки тавзеҳ дуруст аст?

Яке аз паёмҳои қавитарини методологии Survey ин аст, ки тавзеҳ бояд алоҳида арзёбӣ шавад. Ҳатто агар пешгӯии модел дуруст бошад, тавзеҳи он метавонад нодуруст бошад.

Манбаъ се равиши асосии тасдиқро таъкид мекунад:

• Sanity check: Вақте вазнҳои модел ё label-ҳо тасодуфӣ карда мешаванд, оё тавзеҳ ҳам тағйир меёбад?
• Faithfulness test: Вақте хусусияте, ки муҳим гуфта мешавад, хориҷ ё тағйир дода мешавад, оё баромади модел воқеан таъсир мебинад?
• Муқоиса бо biological ground truth: Оё attribution ё хусусияти модел бо motif-и маълум, минтақаи пайвастшавӣ, pathway ё аннотацияи навъи ҳуҷайра мувофиқат мекунад?

Ҳадафи ин санҷишҳо он нест, ки тавзеҳ барои чашми инсон маънодор намояд, балки санҷидани робитаи он бо ҳисоббарории воқеии модел аст.

Чаро Мудохилаи Сабабӣ Санҷиши Қавитари Тавзеҳ Аст?

Мудохилаи сабабӣ аз нишон додани танҳо коррелятсия қавитар аст, зеро тағйири баромадро ҳангоми ба таври назоратшаванда кам ё зиёд кардани хусусияти latent ё circuit-и муайян дар дохили модел чен мекунад; ин равиш мантиқи perturbation experiment-и биологияро ба намояндагиҳои дохилии шабакаи нейронии сунъӣ татбиқ мекунад.

Агар latent feature бо навъи муайяни ҳуҷайра коррелятсия дошта бошад, ин худ аз худ исбот намекунад, ки он feature барои қарори модел зарур аст. Агар пас аз хомӯш кардани хусусият таснифи ҳуҷайра ё дигар рафтори downstream ба таври мунтазам тағйир ёбад, барои муносибати механистӣ далели қавитар ба даст меояд.

Survey ин стандарти interventionist-ро махсусан бо фарҳанги эксперименталии биология мувофиқ медонад.

Мушкили кушода: biological ground truth нопурра аст

Яке аз парадоксҳои асосии XAI дар биология чунин аст: барои санҷидани дурустии тавзеҳ ба воқеияти биологӣ ниёз дорем; аммо худи механизми мавриди таҳқиқ аксаран ҳанӯз пурра маълум нест.

Вақте модели геном минтақаи номаълумро муҳим нишон медиҳад, ду тавзеҳ мумкин аст:

• модел воқеан унсури нави танзимкунандаи биологиро пайдо кардааст;
• модел ба artefact-и маҷмӯи додаҳо такя мекунад.

Бо танҳо нигоҳ кардан ба attribution map ин ду имкониятро аз ҳам ҷудо кардан мумкин нест. Шояд таҷрибаи нави биологӣ ё тасдиқи мустақил лозим шавад.

Мушкили кушода: миқёси foundation model

Ҳангоми калон шудани foundation model-ҳои биологӣ таҳлили ҳар нейрон ё circuit аз ҷониби инсон алоҳида ғайриимкон мешавад. Sparse dictionary learning ваъда медиҳад, ки ин мушкилро қисман автоматӣ мекунад; аммо Survey таъкид мекунад, ки масъалаҳое мисли интихоби dictionary size, пора шудани як мафҳуми биологӣ ба якчанд sparse feature ва пайвастшавии хусусиятҳо дар сатҳи circuit ҳанӯз ҳал нашудаанд.

Interpretability by design

Самти дигари рӯзномаи таҳқиқотии манбаъ ин аст, ки ба ҷойи тавзеҳ додани модел баъд аз омӯзиш, онро аз аввал бо сохторҳои latent-и аз ҷиҳати биологӣ маънодор тарҳрезӣ кунанд.

Масалан, агар latent variable-ҳо мустақиман бо pathway, навъи ҳуҷайра ё миқдори биофизикӣ маҳдуд карда шаванд, ниёз ба post-hoc explanation метавонад кам шавад. Аммо чӣ гуна ба дақиқӣ ва умумисозии модел таъсир кардани ин бояд алоҳида таҳқиқ шавад.

Натиҷаҳое, ки тадқиқот дастгирӣ мекунад

Survey дастгирӣ мекунад: Адабиёти XAI-и биологӣ аз feature attribution-и оддӣ ба таҳлилҳои консептуалӣ ва механистии сатҳи баландтар васеъ мешавад. Оғози татбиқи усулҳое мисли sparse autoencoder ва circuit analysis ба foundation model-ҳои биологӣ барои пайвастани намояндагиҳои дохилии модел бо мафҳумҳои биологӣ имкониятҳои нав фароҳам меорад. Бо вуҷуди ин, explanation faithfulness бояд мустақилона санҷида шавад.

Натиҷаҳое, ки тадқиқот дастгирӣ намекунад

Survey дастгирӣ намекунад: Наметавон ба хулоса омад, ки ҳар attention map механизми биологиро намояндагӣ мекунад, ҳар saliency map боэътимод аст, sparse autoencoder feature-ҳо ба таври худкор ба мавҷудоти воқеии биологӣ мувофиқат мекунанд ё mechanistic interpretability дар ҳолати кунунӣ foundation model-ҳои биологиро пурра ҳал кардааст.

Илова бар ин, survey механизмҳои нави биологиро бо таҷрибаҳои худ кашф намекунад ва натиҷаҳои ҳамаи таҳқиқотеро, ки ба онҳо истинод мекунад, дубора тавлид намекунад.

Эзоҳи Манбаъ ва Усул

Тадқиқоти аслӣ: Opening the Biological Black Box: A Survey of Explainable and Mechanistic Interpretability Methods for AI in Biology.

Муаллиф: Olivia Denvis.

Аффилиатсия: Independent Researcher.

Навъи манбаъ: Survey / SSRN preprint.

Санаи тадқиқот: 15 июни 2026.

Санаи нашри SSRN: 23 июни 2026.

SSRN Abstract ID: 6968318.

DOI: 10.2139/ssrn.6968318.

Ҳолати peer review: Манбаъ ҳамчун мақолаи маҷаллаи peer-reviewed не, балки ҳамчун preprint нашр шудааст.

Литсензияи нашр / вазъи ҳуқуқ: Сабти SSRN иҷозатномаи кушоди Creative Commons барои истифодаи дубора нишон намедиҳад ва мегӯяд, ки истифодаи дубораи маводи ҳифзшуда бе иҷозат иҷозат дода намешавад. Аз ин рӯ, матни Verianla бознашри ибораҳои манбаъ нест; он синтези мустақили омӯзишии мафҳумҳои илмиест, ки дар survey-и адабиёт гузориш шудаанд.

Таҷриба/додаи нав: Тадқиқот таҷрибаи нави биологӣ, маҷмӯи додаҳо ё benchmark эҷод намекунад. Он таҳқиқоти XAI ва mechanistic interpretability-ро дар адабиёт тасниф ва арзёбӣ мекунад.

Маҳдудияти асосии методологӣ: Далели таҷрибавии натиҷаҳое, ки Survey нақл мекунад, дар таҳқиқоти ибтидоии дахлдор ҷой дорад. Барои арзёбии муфассали иҷрои як усул ё татбиқ бояд ба манбаи аслӣ баргашт.

Маҳдудияти асосии эпистемикӣ: Дар биология ground truth метавонад қисман маълум ва баҳснок бошад. Аз ин рӯ, мувофиқат накардани тавзеҳи модел бо биологияи маълум ҳамеша маънои нодуруст будани тавзеҳро надорад; мувофиқат кардан ҳам ба таври худкор маънои механизми сабабиро надорад.

Доираи истинодҳо: Survey бар асоси 44 таҳқиқот адабиёти классикии XAI, татбиқҳои biological deep learning, foundation model-ҳо, mechanistic interpretability ва explanation-validation-ро якҷо мекунад.