Explainable AI Là Gì?

Explainable AI (XAI) là tập hợp phương pháp giúp:

• Giải thích tại sao mô hình đưa ra dự đoán
• Hiển thị các yếu tố quan trọng ảnh hưởng đến kết quả
• Đảm bảo tính minh bạch và giúp doanh nghiệp tuân thủ quy định

📌 Lợi ích chính:
✅ Business hiểu mô hình → ra quyết định nhanh hơn
✅ Giảm rủi ro đạo đức & pháp lý (ví dụ GDPR yêu cầu “right to explanation”)
✅ Phát hiện bug hoặc bias trong mô hình

Hai Cấp Độ Giải Thích

🌐 Global Explainability

• Cho biết mô hình coi trọng feature nào nhất trên toàn bộ tập dữ liệu
• Ví dụ: trong mô hình churn, “DaysSinceLastPurchase” quan trọng gấp 2 lần “Age”

🔍 Local Explainability

• Giải thích dự đoán cho một điểm dữ liệu cụ thể
• Ví dụ: tại sao khách hàng A bị dự đoán churn? (Do số lần mua giảm mạnh, ít tương tác app)

Phương Pháp XAI Phổ Biến

1️⃣ Feature Importance: Xếp hạng mức độ ảnh hưởng của các feature
2️⃣ Partial Dependence Plot (PDP): Cho thấy mối quan hệ giữa feature và output
3️⃣ LIME (Local Interpretable Model-Agnostic Explanations): Tạo mô hình tuyến tính xấp xỉ quanh điểm cần giải thích
4️⃣ SHAP (SHapley Additive exPlanations): Dựa trên lý thuyết game để phân bổ “đóng góp” của từng feature cho kết quả
5️⃣ Counterfactual Explanations: Trả lời câu hỏi “Nếu feature X thay đổi, kết quả sẽ ra sao?”

Ví Dụ Thực Tế

Bài toán: Dự đoán khách hàng có vay nợ xấu hay không.

• Global: SHAP cho thấy “Credit Score” là yếu tố quan trọng nhất, tiếp theo là “Income” và “Loan Amount”.
• Local: Với khách hàng B, SHAP giải thích:
• Credit Score thấp: +0.25 vào xác suất xấu
• Income cao: -0.10 (giảm rủi ro)
• Tổng xác suất 0.72 → cần xem xét kỹ

📌 Nhờ có XAI, bộ phận tín dụng tự tin hơn khi phê duyệt hoặc từ chối hồ sơ.

Rủi Ro Nếu Không Có XAI

⚠ Business không tin kết quả → không áp dụng mô hình
⚠ Rủi ro bias ẩn → ảnh hưởng đến khách hàng yếu thế
⚠ Khó tuân thủ luật → GDPR, PDPD yêu cầu giải thích quyết định tự động

Tips Để Làm XAI Hiệu Quả

✅ Dùng SHAP khi cần độ chính xác cao (model-agnostic, phù hợp cả với tree-based & DL)
✅ Trực quan hóa kết quả (bar chart, waterfall plot) để business dễ hiểu
✅ Document giải thích cùng với model version để phục vụ audit
✅ Tích hợp giải thích trực tiếp vào dashboard cho người dùng cuối

Kết Luận – XAI Là Cầu Nối Giữa DS & Business

Một mô hình ML tốt không chỉ dự đoán chính xác mà còn có thể giải thích:

• Vì sao đưa ra kết quả
• Yếu tố nào ảnh hưởng
• Người dùng có thể làm gì để thay đổi kết quả 

📞 Hotline: 0352.433.233
📧 Email: cskh@mcivietnam.com