「強化學習可解釋性」最新2022綜述

來源：新智元

強化學習是一種從試錯過程中發(fā)現(xiàn)最優(yōu)行為策略的技術，已經(jīng)成為解決環(huán)境交互問題的通用方法。

然而，作為一類機器學習算法，強化學習也面臨著機器學習領域的公共難題，即難以被人理解。缺乏可解釋性限制了強化學習在安全敏感領域中的應用，如醫(yī)療、駕駛等，并導致強化學習在環(huán)境仿真、任務泛化等問題中缺乏普遍適用的解決方案。

為了克服強化學習的這一弱點，涌現(xiàn)了大量強化學習可解釋性（Explainable Reinforcement Learning，XRL）的研究。

然而，學術界對XRL尚缺乏一致認識。因此，本文探索XRL的基礎性問題，并對現(xiàn)有工作進行綜述。具體而言，本文首先探討了父問題——人工智能可解釋性，對人工智能可解釋性的已有定義進行了匯總；其次，構建了一套可解釋性領域的理論體系，從而描述XRL與人工智能可解釋性的共同問題，包括界定智能算法和機械算法、定義解釋的含義、討論影響可解釋性的因素、劃分了解釋的直觀性；然后，根據(jù)強化學習本身的特征，定義了XRL的三個獨有問題，即環(huán)境解釋、任務解釋、策略解釋；之后，對現(xiàn)有方法進行了系統(tǒng)的歸類，并對XRL的最新進展進行綜述；最后，展望了XRL領域的潛在研究方向。

http://www.jos.org.cn/jos/article/abstract/6485

人工智能(Artificial Intelligence, AI)和機器學習(Machine Learning, ML) 在計算機視覺[1] 、自然語言處理 [2] 、智能體策略[3] 等研究領域都取得了突破,并逐漸融入人的生活.雖然 ML 算法對于很多問題具有良好表現(xiàn),但由于算法缺乏可解釋性,模型實際使用中常受到質(zhì)疑[4] [5] ,尤其在安全敏感的應用領域,如自動駕駛、醫(yī)療等.缺乏可解釋性的問題已經(jīng)成為機器學習的瓶頸問題之一。

強化學習(Reinforcement Learning, RL)被驗證適用于復雜的環(huán)境交互類問題[6]-[8]，如機器人控制[9]，游戲AI[10] 等.但作為機器學習的一類方法,RL同樣面臨著缺乏可解釋性的問題,主要表現(xiàn)在如下4個方面：

(1)安全敏感領域中的應用受限.由于缺乏可解釋性,RL策略難以保證其可靠性,存在安全隱患.這一問題在安全敏感任務(如醫(yī)療、駕駛等)中難以被忽略.因此,為避免模型不可靠帶來的危險,RL在安全敏感任務中大多局限于輔助人類的決策,如機器人輔助手術[11]，輔助駕駛[12]等；

(2)真實世界知識的學習困難.雖然目前RL應用在一些仿真環(huán)境中具有優(yōu)異表現(xiàn),如 OpenAI gym[13]，但這些仿真環(huán)境以簡單游戲為主,與真實世界存在較大差異.另外,RL 應用難以避免對環(huán)境的過擬合。當過擬合發(fā)生時,模型學到環(huán)境的背景信息,而非真正的知識.這導致了兩難的問題,一方面,在真實世界中訓練 RL 模型通常消耗巨大,另一方面,難以確定在虛擬環(huán)境中訓練的模型學到了真實的規(guī)律。

(3)相似任務的策略泛化困難.RL策略通常與環(huán)境存在強耦合,難以被應用到相似環(huán)境中.甚至在同樣的環(huán)境下,環(huán)境參數(shù)的微小變化也會極大影響模型性能.這一問題影響了模型的泛化能力,難以確定模型在相似任務中的表現(xiàn)。

(4)對抗攻擊的安全隱患難于應對.對抗攻擊[14]是一種針對模型輸入的攻擊技術,通過將微小的惡意擾動加入到模型的輸入中生成對抗樣本.對人而言,對抗樣本不影響判斷,甚至難以察覺,然而對于模型而言,對抗樣本會使模型的輸出產(chǎn)生極大的偏差.對抗攻擊從深度學習擴展到RL[15] [16] ,成為 RL算法的安全隱患.對抗攻擊的有效性進一步暴露了 RL 缺乏可解釋性的問題,同時也進一步說明 RL 模型并未學到真正的知識。

解釋對模型的設計者和使用者都具有重要的意義.對于模型的設計者,解釋能體現(xiàn)模型所學的知識,便于通過人的經(jīng)驗驗證模型是否學到魯棒的知識,從而使人高效地參與到模型的設計和優(yōu)化中;對于特定領域的專家使用者,解釋提供模型的內(nèi)部邏輯,當模型表現(xiàn)優(yōu)于人時,便于從模型中提取知識以指導人在該領域內(nèi)的實踐.對于普通用戶,解釋呈現(xiàn)模型的決策的原因,從而加深用戶對模型的理解,增強用戶對模型的信心。

強化學習可解釋性(Explainable Reinforcement Learning, XRL),或可解釋強化學習,是人工智能可解釋性 (Explainable Artificial Intelligence, XAI)的子問題,用于增強人對模型理解,優(yōu)化模型性能,從而解決上述缺乏可解釋性導致的4類問題。XRL與XAI之間存在共性，同時XRL具備自身的獨特性。

一方面，XRL 與 XAI 存在共性。首先，提供解釋的對象是智能算法而非機械算法.機械算法,如排序、查找等，其特點是完備的輸入,固定的解法以及明確的解.而智能算法因為輸入的不完備以及解法的不確定,導致算法必須在解空間中尋找較優(yōu)的解;其次,人和模型是兩個直接面對的關鍵實體.與其他技術不同,可解釋性方法關注人對模型的理解.由于人對大量條例混亂的數(shù)據(jù)缺乏理解,因此解釋通常對模型內(nèi)在邏輯的抽象,這一過程必然伴隨對模型策略的簡化.其中的難點是,如何在向人提供解釋時,保證該解釋與模型主體邏輯的一致性；最后，解釋的難度是相對的,同時由問題規(guī)模和模型結構兩個因素決定,并且這兩個因素在一定條件下相互轉化。例如,結構簡單的模型(如決策樹、貝葉斯網(wǎng)絡等)在通?？梢灾庇^的展示輸入和輸出之間的邏輯關系,但面對由大量簡單結構組成的龐大模型,其錯綜復雜的邏輯關系仍然導致模型的整體不可理解.同時,雖然結構復雜的模 型(如神經(jīng)網(wǎng)絡)通常難以被理解,但當模型被極致約減時(如將神經(jīng)網(wǎng)絡塌縮為具有少數(shù)變量的復合函數(shù)),模型本身仍然可以被人所理解。

另一方面,XRL 也具備自身的獨特性.強化學習問題由環(huán)境、任務、智能體策略三個關鍵因素組成,因此，解決 XRL 問題必須同時考慮這三個關鍵因素.由于 XRL 的發(fā)展仍處于初步階段,大部分方法直接從 XAI 的研 究中繼承,導致現(xiàn)有研究集中于對智能體策略的解釋,即解釋智能體行為的動機及行為之間的關聯(lián).然而,缺乏 對環(huán)境和任務的認識使得一些關鍵問題無從解決:缺乏對環(huán)境的認識使人在面臨復雜任務時,缺乏對環(huán)境內(nèi)部 規(guī)律的理解,導致對環(huán)境狀態(tài)進行抽象時忽略有利信息,使智能體難以學到真實的規(guī)律;缺乏對任務的解釋使任 務目標與過程狀態(tài)序列之間的關聯(lián)不明確,不利于智能體策略與環(huán)境的解耦合,影響強化學習智能體策略在相 似任務或動態(tài)環(huán)境中的泛化能力.因此,對環(huán)境、任務和策略的解釋存在強關聯(lián),是實現(xiàn)強化學習解釋必然面臨 的問題. 

目前,XRL已經(jīng)成為AI領域的重要議題,雖然研究者們?yōu)樘岣邚娀瘜W習模型的可解釋性做出了大量工作, 但學術界對 XRL 尚且缺乏一致的認識,導致所提方法也難以類比.為了解決這一問題,本文探索 XRL 的基礎性 問題,并對現(xiàn)有工作進行總結.首先,本文從 XAI 出發(fā),對其通用觀點進行總結,作為分析 XRL 問題的基礎;然后, 分析 XRL 與 XAI 的共同問題,構建出一套可解釋性領域的理論體系,包括界定智能算法和機械算法、定義解釋的含義、討論影響可解釋性的因素、劃分解釋的直觀性;其次,探討 XRL問題的獨特性,提出包括環(huán)境解釋、任務解釋和策略解釋的三個XRL領域的獨有問題;隨后,對現(xiàn)有 XRL 領域的研究進展進行總結.以技術類別和解釋效果為依據(jù)將對現(xiàn)有方法進行分類,對于每個分類,根據(jù)獲取解釋的時間、解釋的范圍、解釋的程度和 XRL的獨有問題,確定每類方法的屬性;最后,展望了 XRL 領域的潛在研究方向,重點對環(huán)境和任務的解釋、統(tǒng)一的評估標準兩個方向進行展開.

1 人工智能可解釋性的觀點總結 

對 XRL 的研究不能脫離 XAI 的基礎。一方面，XRL 是 XAI 的子領域，其方法和定義密切相關，因此 XRL 的 現(xiàn)有研究廣泛借鑒了 XAI 在其他方向(如視覺)的成果；另一方面，XRL 目前仍處于起步階段，對其針對性的討論 較少，而對于 XAI，研究者們長期以來進行了廣泛的研究和討論[17] -[24] ，具有深刻的借鑒意義?；谏鲜鲈?， 本文從 XAI 的角度探討可解釋性問題，整理出學術界對 XAI 的共識，以此作為 XRL 的研究基礎。 

雖然學者們從不同角度對 XAI 的定義在特定情況下指導著一類研究。然而，缺乏精確而統(tǒng)一的定義使得學 術界對 XAI 的認識存在一定差異。本文對 XAI 相關的定義進行總結，并將其分為形而上的概念描述、形而下的概念描述兩類。 

形而上的概念描述使用抽象概念對可解釋性進行定義[25] -[28] 。這些文獻使用抽象的詞描述可解釋性算法，例如可信性(trustworthy)，可靠性(reliability)等。其中可信性意味著人以較強的信心相信模型所做的決定，而可靠性意味著模型不同場景下總是能保持其性能。雖然這樣抽象的概念不夠精確，只能產(chǎn)生直觀的解釋，但仍然可以使人準確了解可解釋性的目標、對象和作用，建立對可解釋性的直覺認知。這些概念表明，可解釋性算法具備兩個關鍵實體，即人和模型。換而言之，可解釋性是一項以模型為對象，以人為目標的技術。 

形而下的概念描述從哲學、數(shù)學等的觀點出發(fā)，基于解釋的現(xiàn)實意義對其進行定義。如 Páez 等人[17] 從哲學角度出發(fā)，認為解釋所產(chǎn)生的理解并不完全等同于知識，同時理解的過程也不一定建立在真實的基礎上。我們認為，解釋作為媒介存在，這個媒介通過呈現(xiàn)模型的真實知識或構建虛擬邏輯的方式，增強人對模型的理解。同時，人對模型的理解不必建立在完全掌握模型的基礎上，只要求掌握模型的主要邏輯，并能對結果進行符合認知的預測。Doran等人[29]認為，可解釋性系統(tǒng)使人們不僅能看到，更能研究和理解模型輸入和輸出之間的數(shù)學映射。一般而言，AI算法的本質(zhì)是一組由輸入到輸出的數(shù)學映射，而解釋則是將這樣的數(shù)學映射以人類可理解和研究的方式展現(xiàn)出來。雖然數(shù)學映射也是人們?yōu)槊枋鍪澜缍鴦?chuàng)造的一種方式，但對于復雜的數(shù)學映射(如用于表示神經(jīng)網(wǎng)絡的高維多層嵌套函數(shù))，人們卻無法將其與生活中的直觀邏輯相聯(lián)系。Tjoa等人[19]認為，可解釋性是用于解釋算法做出的決策，揭示算法運作機制中的模式以及為系統(tǒng)提供連貫的數(shù)學模型或推導。這一解釋也基于數(shù)學表達，反映出人們更多地通過模型的決策模式來理解模型，而非數(shù)學上的可重現(xiàn)性。

一些觀點與上述文獻存在微小出入，但仍具有借鑒意義。例如，Arrieta等人[21] 認為可解釋性是模型的被動特征，指示模型被人類觀察者理解的程度。這個觀點將模型的可解釋性視為被動特征，忽略了模型為了更強的可解釋性而主動提出解釋的可能。Das等人[23] 認為，解釋是一種用于驗證 AI 智能體或 AI 算法的方式。這一觀點傾向于關注模型的結果，其目的是為了確保模型一貫的性能。然而該描述忽略了一個事實，即模型本身意味著知識，可解釋性不僅是對模型結果的驗證，同時也有助于從模型中提取人們尚未掌握的知識，促進人類實踐的發(fā)展。雖存在較小出入，但上述觀點也提出了獨特的角度，例如，可以將模型的可解釋性視為模型的一個特性，而評估模型的性能是解釋的重要功能。 

雖然對 XAI 的定義眾多，但就整體而言，學術界對 XAI 的基本概念仍然是一致的。本文嘗試提取其中的共性作為研究 XRL 問題的理論基礎。通過對以上文獻的分析，我們總結出學術界對 XAI 的共識：

(1)人與模型是可解釋性直接面對的兩個關鍵的實體，可解釋性是一項以模型為對象，以人為目標的技術；

(2)解釋作為理解的媒介存在，該媒介可以是真實存在的事物，也可以是理想構建的邏輯，亦或是二者并舉，達到讓人能夠理解模型的目的；

(3)人的對模型的理解不需要建立在完全掌握模型的基礎上；

(4)可準確重現(xiàn)的數(shù)學推導不可取代可解釋性，人對模型的理解包括感性和理性的認知；

(5)可解釋性是模型的特性，這一特性可用于驗證模型的性能。

2 強化學習可解釋性與人工智能可解釋性的共同問題 

在對 XAI 定義進行總結的基礎上，本節(jié)討論 XRL 與 XAI 面臨的共同問題。由于 XRL 與 XAI 之間存在強 耦合，因此本節(jié)內(nèi)容既適用于 XAI，同時也是 XRL 的基礎問題。 

2.1 智能算法和機械算法界定 

可解釋性的對象是智能算法而非機械算法。傳統(tǒng)認知中的機械算法，如排序、查找等，面對確定的任務目標，同時具有固定的算法程序。強化學習作為一種智能算法，在與環(huán)境動態(tài)交互的過程中尋找最優(yōu)的策略，最大化獲得的獎賞。界定智能算法和機械算法可用于確定被解釋的對象，進而回答「什么需要被解釋」的問題。一方面，智能算法與機械算法存在差異，而解釋只在面向智能算法時存在必要性；另一方面，即使對于強化學習，也無需對其所有過程產(chǎn)生解釋，而應針對其具有智能算法特性的部分進行解釋，如動作生成、環(huán)境狀態(tài)轉移等。因此，在討論可解釋性問題前，有必要區(qū)分智能算法和機械算法。 

本文根據(jù)算法對已知條件的獲取程度和建模的完整性，定義「完全知識」和「完全建?！梗?/span>

• 完全知識：已知足夠任務相關的有效知識，具備以機械過程獲得最優(yōu)解的條件；

• 完全建模：進行完整的問題建模，具備完成任務所需的計算能力；

• 完全知識是以機械方法確定最優(yōu)解的前提。例如，求解系數(shù)矩陣的秩為的線性方程組，完全知識表示其增廣矩陣的秩大于等于系數(shù)矩陣的秩，此時可以根據(jù)當前知識，獲得確定的解或者確定其無解；完全建模意味著對現(xiàn)有知識的充分利用，換言之，完全建模從建模者的角度出發(fā)，表示在解決任務的過程中有能力(包括程序設計者的設計能力和硬件的算力)利用所有的知識。例如，在 19×19 圍棋游戲中，存在理論上的最優(yōu)解法，但目前尚不具備足夠的計算能力在有限時間內(nèi)獲取最優(yōu)解。 

根據(jù)上述對完全知識和完全建模的定義，本文進一步提出「任務完全」的概念來確定機械算法與智能算法之間的邊界：

• 任務完全：對特定任務，具備完全知識并進行完全建模。 

• 任務完全必須在完全知識的前提下進行完全建模。滿足任務完全的條件后，算法的優(yōu)劣取僅決于建模方式和使用者的實際需求。任務完全的定義考慮了知識和建模兩方面因素(圖1)。 

任務完全的概念可以用來區(qū)分機械算法和智能算法。機械算法是任務完全的，具體來說，算法已知足夠的知識，并進行了無簡化的建模。此時，算法具備獲取最優(yōu)解的條件，因此算法的過程是確定的，獲得的解也是可預期的。例如，經(jīng)典排序算法、傳統(tǒng)數(shù)據(jù)查詢、3×3井字棋游戲算法等都屬于機械算法。智能算法是任務不完全的，這意味著算法不具備足夠的知識，或者采取了簡化的建模方式。智能算法無法直接獲取最優(yōu)解，通常在解空間中尋找較優(yōu)的解。如基于貪心策略的算法，線性回歸方法，19×19傳統(tǒng)圍棋策略，機器學習類算法等。

導致任務不完全的可能有二，即知識不完全和建模不完全。在知識不完全的情況下，算法無法直接確定最優(yōu)解，因此只能在解空間中逼近最優(yōu)解。此時，智能算法的實際作用是在解空間中進行解的選擇。導致知識不完全的因素通常是客觀的，如環(huán)境狀態(tài)無法被完全觀測，任務目標不可預知，任務評價指標的不可知，任務始終點不可知等等；在建模不完全的情況下，算法通常忽略某些知識，導致算法過程沒有充分利用知識，從而無法獲得最優(yōu)解。建模不完全的原因有客觀和主觀兩方面，客觀原因如建模偏差，不完全建模等，主觀原因包括降低硬件需求，模型提速等。在強化學習中，并非所有過程具備任務不完全的特點，因此只有部分需要進行解釋，如策略生成、環(huán)境狀態(tài)轉移等。

2.2 對「解釋」的定義 

在漢語詞典中，解釋有「分析、闡明」的含義。這不僅符合生活中對該詞的理解，同時也與可解釋性研究中「解釋」的含義相近。然而，具體到可解釋性的研究中，這一含義顯得寬泛。我們希望結合對可解釋性的理解，細化「解釋」的含義，使之具有更強的指導意義。以強化學習模型為例，模型學習使獎勵最大化的策略，其中包含著環(huán)境、獎勵和智能體之間的隱式知識，而 XRL 算法則是將這些隱式知識顯式地表現(xiàn)出來。本文將多個知識視為集合，稱為知識體系，從知識體系相互之間關系的角度，對「解釋」做出如下定義：

解釋：知識體系之間的簡潔映射。簡潔映射是在不引入新知識的條件下對目標知識進行表達；

具體來說，解釋是將基于原知識體系的表達轉換為目標知識體系表達的過程，這個過程僅使用目標知識體系的知識，而不引入新的知識。而 XRL 算法的目的在于產(chǎn)生解釋，從而使原知識體系能夠被目標知識體系簡潔的表達出來。在 XRL 中，原知識體系通常指代強化學習模型，而目標知識體系通常指人的認知，模型和人是可解釋性的兩個關鍵實體。本文將原知識體系看作由多個元知識及其推論構成的集合。以表示元知識， 表示知識體系，則。假設智能體習得的知識屬于知識體系，而人類能夠理解的知識屬于知識體系，則解釋是將知識體系 轉換為知識體系 表達的過程。對于解釋而言，簡潔映射是必要的，非簡潔的映射可能提升解釋本身的被理解難度，進而導致解釋本身讓人無法理解(見2.3 )。 

在對知識進行轉換表達的過程中，待解釋的知識可能無法完全通過目標知識體系進行描述，這時只有部分知識可以被解釋。本文使用「完全解釋」和「部分解釋」的概念描述這一情況:

• 完全解釋：待解釋的知識完全被目標知識體系表達。其中，被解釋的知識屬于目標知識體系是其必要條件；

• 部分解釋：待解釋的知識的部分被目標知識體系表達。

具體來說，完全解釋和部分解釋描述的是知識體系之間的包含情況(圖2)。只有當待解釋的知識體系完全被目標知識體系所包含時，才可能進行完全解釋，否則只能進行部分解釋。在 XRL 中，完全解釋通常是不必要的。

一方面，待解釋知識體系和目標知識體系的邊界難以確定，導致完全解釋難度高且耗費巨大；另一方面，實現(xiàn)對模型的解釋通常不需要建立在對模型完全掌握的基礎上。因此，部分解釋是大部分可解釋性研究中采用的方法，即只描述算法的主要決策邏輯。

2.3 可解釋性的影響因素 

一個觀點認為，傳統(tǒng)ML(RL 為其子集)方法是易于解釋的，而深度學習的引入使得可解釋性產(chǎn)生了短板，導致ML難于解釋，因此 ML 解釋的本質(zhì)是對深度學習的解釋[21]。這與可解釋性領域的認知相悖[28]。這一觀點只關注模型而忽略了人在可解釋性中的地位。對于人而言，即使是理論上可被理解的模型，當規(guī)模擴張到一定程度時，仍然會導致整體的不可理解。本文對可解釋性的影響因素進行如下定義：

• 透明度：待解釋模型結構的簡潔程度；

• 模型規(guī)模：待解釋模型包含的知識量和知識組合多樣化程度；

本文認為，可解釋性是對模型組件透明度和模型規(guī)模的綜合描述。透明度和模型規(guī)模是影響可解釋性的兩個主要因素。具體來說，可解釋性強意味著同時具備高透明度和低復雜度，而單一因素，如復雜度高或透明度低將導致模型的弱可解釋性(圖3)。 

在不同語境下，「透明」一詞具有不同的含義。例如，在軟件結構中，透明指的是對底層過程的抽象程度，意味著上層程序無需關注底層的實現(xiàn)。類似的，透明度在可解釋性領域也存在不同的含義，如文獻[26][27]認為透明度是模型可以被理解的程度，將透明度與可解釋性等價。以強化學習為例，基于值表的強化學習算法在規(guī)模一定時通常具有更強的可解釋性，而使用深度學習擬合值表則可解釋性更弱，這是因為通過查詢值表而產(chǎn)生策略的過程符合人的直觀理解，但神經(jīng)網(wǎng)絡傳播過程僅在數(shù)學上可被準確描述，于人而言透明度更低。然而，這一思考將構建模型的基礎結構作為可解釋性的重點，而忽略了模型規(guī)模對解釋帶來的難度，并忽略了解釋的目標——人。因此，為突出模型規(guī)模對解釋的影響，我們僅將透明度狹義理解為待解釋模型的結構的簡潔程度。 

模型規(guī)模從人理解能力的角度衡量解釋的難度。具體來說，假設模型中的知識由一系列元知識構成，則模型規(guī)模表示元知識總量和知識之間組合的多樣化程度，而解釋的難度一定程度上取決于模型規(guī)模，當模型規(guī)模超過特定范圍(人的理解能力)時模型將無法被理解。例如，線性加性模型、決策樹模型、貝葉斯模型，由于計算過程簡潔，使我們能夠輕易了解模型基于何因素得到何種結果，因此被認為是易于理解的。然而，當模型規(guī)模逐漸龐大時，各因素之間的邏輯不可避免地相互交織，變得錯綜復雜，使我們最終無法抓住其主從關系。對于以簡潔結構(如決策樹分支)構成的大規(guī)模模型，雖然所有結果在理論上有跡可循，但當模型規(guī)模已超越人類的理解能力，導致系統(tǒng)整體將仍然不具備可解釋性。

2.4 可解釋性的程度劃分 

人的學習過程與強化學習過程存在一定的相似性，因此，如果將人腦看作目前最先進的智能模型，則人對模型的理解不僅僅是人對模型的直觀感受，也是一個先進的智能體對強化學習模型的綜合評估。然而，一個無法理解的模型不可能被有效評估，因此對模型的解釋成為人理解模型的媒介。作為人和模型之間媒介，可解釋性算法不同程度的具備兩個相互平衡特點:接近模型和接近人的感知。具體來說，不同的解釋有的更注重準確的描述模型，而另一些更注重與人的感知一致?；谶@一概念，本文將可解釋性分為如下三個層次:

(1)數(shù)學表達：通過理想化的數(shù)學推導解釋模型。數(shù)學表達是使用數(shù)學語言簡化模型的表達。由于強化學習模型建立在數(shù)學理論的基礎上，因此通過數(shù)學表達可以準確地描述和重構模型。雖然數(shù)學理論體系是人描述世界的一種重要方式，但其與人的普遍直覺之間存在較大差異。以深度學習為例，雖然存在大量文章論證了其在數(shù)學上的合理性，但深度學習方法仍然被認為是不可解釋的。因此，數(shù)學的表達能夠在微觀(參數(shù))層面對模型進行描述，但難以遷移至人類知識體系；

(2)邏輯表達：通過將模型轉換為顯性的邏輯規(guī)律解釋模型。邏輯表達是對模型中主體策略的提取，即忽略其細微分支，凸顯主體邏輯。一方面，邏輯表達保留了模型的主體策略，因此與模型真實決策結果相近，解釋本身可以部分重現(xiàn)模型的決策；另一方面，邏輯表達簡化了模型，符合人的認知。邏輯表達是較為直觀的解釋，但需要人具備特定領域的知識，是面對人類專家的解釋，而對一般用戶尚不夠直觀；

(3)感知表達：通過提供符合人類直覺感知的規(guī)律解釋模型。感知表達基于模型生成符合人類感知的解釋，由于不需要人具備特定領域的知識，因此易于理解。例如，可視化關鍵輸入、示例對比等解釋形式都屬于感知表達的范疇。然而，感知表達通常是對模型策略的極大精簡，因為無法重現(xiàn)模型的決策，導致其只解釋決策的合理性。 

在可解釋性的三個層次中，數(shù)學表達作為第一個層次，也是構建強化學習算法的理論基礎。在已知模型所有參數(shù)的情況下，數(shù)學表達通常可以較為準確的推斷出模型的結果，然而，數(shù)學上的合理性不意味著能被人所理解；邏輯表達介于數(shù)學表達和感知表達之間，是對模型策略的近似，但邏輯表達方法產(chǎn)生的解釋通常要求用戶具備特定領域的專業(yè)知識；感知表達對模型決策的重要因素進行篩選，并使用清晰、簡潔的形式進行呈現(xiàn)，雖然結果易于理解，但已經(jīng)不具備重構策略的能力?？偠灾煌慕忉屧诮咏Ｐ秃徒咏祟惛兄g存在著平衡，難以兼顧。

3 強化學習可解釋性的獨有問題 

與其他 ML 方法不同，RL 問題由環(huán)境、任務、智能體三個關鍵因素組成。其中，環(huán)境為給定的具有一定內(nèi)部規(guī)律的黑盒系統(tǒng)；任務為智能體為最大化其平均獎賞的而擬合的目標函數(shù)；策略是智能體行為的依據(jù)和一系列行為之間的關聯(lián)。根據(jù)強化學習的三個關鍵組成因素，本文歸納出 XRL 的三個獨有問題，即環(huán)境解釋，任務解釋，策略解釋。三個獨有問題之間存在著密切的關聯(lián)，與整個強化學習過程密不可分，是實現(xiàn)強化學習解釋直接面臨的問題。

4 強化學習可解釋性研究現(xiàn)狀

由于XRL涉及的領域廣泛，學者從各領域的角度出發(fā)，導致所提出的方法具有較大差異。因此，本節(jié)分兩步對相關方法進行總結。首先，根據(jù)技術類別和解釋的展現(xiàn)形式，將現(xiàn)有方法分為視覺和語言輔助解釋、策略模仿、可解釋模型、邏輯關系提取和策略分解五個類別。然后，在通用分類方法(即獲取解釋的時間、解釋的范圍)的基礎上，結合本文所提出的分類依據(jù)(即解釋的程度，面對的關鍵科學問題)，確定不同類別方法的屬性。

在可解釋性領域中，分類通?；讷@取解釋的時間和解釋的范圍兩個因素[31]。具體而言，根據(jù)獲取解釋的時間，可解釋性方法被分為固有(intrinsic)解釋和事后(post-hoc)解釋。固有解釋通過限制模型的表達，使模型在運行時生成具備可解釋性的輸出。例如，基于較強可解釋性的原理和組件(決策樹、線性模型等)構造模型，或者通過增加特定過程使模型生成可解釋性的輸出；事后解釋是通過對模型行為的分析，總結模型的行為模式，從而達到解釋的目的。通常而言，固有解釋是策略產(chǎn)生過程中的解釋，特定于某個模型，而事后解釋是策略產(chǎn)生后的解釋，與模型無關。根據(jù)解釋的范圍，可解釋性方法被分為全局(global)解釋和局部(local)解釋，全局解釋忽略模型的微觀結構(如參數(shù)、層數(shù)等因素)，從宏觀層面提供對模型的解釋，局部解釋從微觀入手，通過分析模型的微觀結構獲得對模型的解釋。

除上述可解釋性的通用分類之外，本文基于解釋與模型和人類感知的符合程度，將可解釋性方法分為數(shù)學表達、邏輯表達和感知表達三類(見2.4)。這三類可解釋性方法體現(xiàn)出可解釋性算法在解釋的形式、解釋與模型結果的近似程度和解釋的直觀度等方面的區(qū)別。前文(見3)分析了XRL面臨的3個關鍵問題，即環(huán)境解釋，任務解釋和策略解釋。目前，單個XRL方法難以同時解決三類問題，因此，我們也以此為依據(jù)，對當前 XRL 方法所著眼的問題進行區(qū)分。

綜上所述，本文以「獲取解釋的時間」、「解釋的范圍」、「解釋的程度」以及「關鍵問題」為依據(jù)，對XRL方法進行分類(見表1)。由于算法多樣，表1僅顯示大類別算法的特點，部分算法可能不完全符合

總結 

本文以 XRL 的問題為中心，討論了該領域的基礎問題，并對現(xiàn)有方法進行總結。由于目前在 XRL 領域，乃至 整個 XAI 領域尚未形成完整、統(tǒng)一的共識，導致不同研究的基礎觀點存在較大差異，難于類比。本文針對該領域 缺乏一致認知的問題，進行了較為深入的研究工作。首先，本文參考 XRL 領域的父問題——XAI，收集 XAI 領域 的現(xiàn)有觀點，并整理出 XAI 領域較為通用的認識;其次，以 XAI 領域的定義為基礎，討論 XAI 與 XRL面臨的共同問題;然后，結合強化學習自身的特點，提出 XRL 面臨的獨有問題;最后，總結了相關的研究方法，并對相關方法進行分類。分類中包括作者明確指出為 XRL 的方法，也包括作者雖未著重強調(diào)，但實際對 XRL 有重要意義的方法。XRL 目前尚處于初步階段，因此存在大量亟待解決的問題。本文重點提出環(huán)境和任務的解釋、統(tǒng)一的評估標準兩類問題。本文認為這兩類問題是為類 XRL 領域的基石，是值得重視的研究領域。

參考資料：

http://www.jos.org.cn/jos/article/abstract/6485