阅读下面的文字，回答31~35题。
自图灵发表《计算机器与智能》之后，人类开始追求机器人如何智能地行动，进而把机器能够思考作为追求目标，并尝试让机器像人类一样具有智能。人工智能试图用数字计算机模拟智能行为，以机器方式再现人类智能。经过几十年的发展，人工智能技术在生产和生活中得到广泛应用，但在与人类互动时，人工智能技术的有效性又受到缺乏解释力的限制。正如张江教授在《中国阐释学构建的若干难题》一文中指出的，算法语言就是阐释，在模拟人脑思维表达上，算法语言的理解与阐释呈何种状态，依据何种机制运行等，是我们必须面对的问题。在人工智能领域，输入数据、模型，经过算法系统加工，最后输出决策结果，这一系列操作中的不透明性会影响用户信任，也难以保障人工智能系统的安全性，特别是在医疗、交通等生命攸关的场景中，阐释人工智能技术、揭示人工智能的运行逻辑至关重要。
人工智能技术对人类生产、生活其有革命性影响。中国、美国、日本等都把发展人工智能作为国家战略，人工智能发展水平已成为决定国家科技实力的重要技术基础。但在人工智能技术中，存在着算法黑箱问题，即使决策结果正确，如果内部机理和因果机制不可解释，那么用户就不能理解计算机如何_______________，从而对人工智能技术不信任，这会阻碍人工智能的进一步发展。因此，可解释性是人工智能在实际应用中面临的主要障碍之一。复杂算法、模型及系统普遍缺乏决策逻辑的透明度和结果的可解释性，这些将导致其场景落地缺少合理性，例如无人驾驶汽车、医疗诊断等都需要增加透明性来保障人类安全，因此，需要通过捍卫可解释性从而打开人工智能技术黑箱。对可解释人工智能概念的界定也就成为学界关注的问题。
可解释人工智能概念的起源要追溯到1983年，斯沃图特建议充分解释程序行为，以解决代码合理性问题。1991年，索斯威克区分了作为解决问题过程的阐释和解释推理过程的阐释。他认为阐释的有用性取决于用户的期望，而用户的期望又取决于用户背景和系统环境等，系统必须向用户解释其推理。他把解释者的理解或者信念添加到了可解释的人工智能系统中。2004年，范伦特等首先运用英文缩写XAI表示可解释人工智能，可解释人工智能的概念由此诞生。之后，国内外学者对“可解释性”概念进行了界定和澄清。米勒等将“可解释性”定义为“展示自己或其他主体作出的决定所依赖的原因”。贡宁等把可解释性界定为人工智能技术产生可解释的模型，并保持高水平的学习性能，即预测或者决策的准确性。
2016年，美国国防部高级研究计划局设立可解释人工智能项目，该项目从可解释的机器学习系统与模型、人机交互技术以及可解释的心理学理论三个方面，全面开展可解释性AI系统的研究，欧洲《通用数据保护条例》中提出用户在受算法决策影响后“获得解释的权利”，从而降低“黑箱”带来的侵犯隐私等问题的风险。在我国，2017年国务院印发的《新一代人工智能发展规划》提出，要“重点突破自适应学习、自主学习等理论方法，实现具备高可解释性、强泛化能力的人工智能”。
综合来看，可解释性已成为衡量人工智能造明度的重要标准，可解释人工智能是能够以人类可理解的方式阐释其决策结果的人工智能算法及系统，它的核心是人工智能系统行为的可解释性。