핵심은 복잡한 신경망 정책을 "IF 착륙선이 고도가 높은 상태에서 왼쪽으로 흘러가고 있다면, THEN 위쪽과 오른쪽 방향으로 추력을 가한다" 같은 IF-THEN 규칙으로 증류하는 거예요

딥러닝 AI의 "왜 이런 결정을 내렸는가"를 사람이 읽을 수 있는 규칙으로 변환하는 프레임워크가 AAAI 2026 심포지엄에 채택됐어요.

핵심은 복잡한 신경망 정책을 "IF 착륙선이 고도가 높은 상태에서 왼쪽으로 흘러가고 있다면, THEN 위쪽과 오른쪽 방향으로 추력을 가한다" 같은 IF-THEN 규칙으로 증류하는 거예요. 기존 설명 가능성 방법(SHAP, LIME)은 국소적인 인사이트만 제공하고, 의사결정 트리는 연속적인 동역학을 제대로 못 잡는 문제가 있었거든요.

달 착륙선 시뮬레이션 실험에서 81.48%의 정확도로 원본 AI 행동을 재현했고, 의사결정 트리보다 21%포인트 높은 수치예요. MSE는 0.0053으로 매우 낮아서 실제 제어 동작과 거의 일치하는 수준이에요.

자율주행·의료·산업 제어처럼 "왜 그렇게 했는지" 설명이 반드시 필요한 안전 영역에서 블랙박스 AI를 실제로 쓸 수 있게 만드는 실질적인 진전이에요.