人工智能国际会议（Association for the Advancement of Artificial Intelligence，简称AAAI）是人工智能领域的高水平国际会议，也是中国计算机学会（CCF）推荐的A类会议，致力于推动人工智能基础研究与应用创新的跨学科突破与发展。
AAAI 2026将于2026年1月20日至27日在新加坡举行，本届大会共收到23,680份有效投稿，最终接收论文4,167篇，录用率为17.6%。
随着深度神经网络（DNNs）因其“黑箱”属性而饱受诟病，且其在高性能人工智能（AI）系统中的应用日益普及，可解释深度学习（Interpretable Deep Learning, IDL）已成为构建结构性可解释（interpretable-by-construction）神经架构的重要研究方向。IDL 模型的核心思想在于学习一种潜在空间（latent space），使其中的部分表征与领域专家所熟悉的抽象信息单元（即“概念”，如“条纹纹理”、“圆形物体”等）实现对齐。通过引入**归纳偏置（inductive biases）**以确保预测基于这些可解释表征，IDL 模型能够构建出兼具强表达能力与高透明度的架构，从而支持对此类模型进行校验、分析与干预。
本教程旨在顺应 IDL 研究的激增趋势，向 AI 研究者与工程师介绍理解现有 IDL 模型底层通用原理的核心基础。我们致力于为与会者提供理解该领域海量文献所需的理论储备，助力其开展相关研究工作。具体而言，本教程将涵盖：(1) 核心可解释性原则；(2) 领域内开创性工作；(3) IDL 的前沿研究方向。此外，教程将全程穿插动手实践演示，并就该领域的关键开放性问题展开讨论。
背景要求 (Required Background)
本课程假定听众具备基础的机器学习知识（如监督学习基础、实验设计、基础概率建模等），并强调需拥有扎实的深度学习根基（如张量微积分、神经网络、反向传播等）。对于部分可能超出 AAAI 社区常规数学背景要求的进阶概念，我们将在教程中进行针对性的（重新）讲解。
教程期间涉及的所有相关资料及录像均可通过指定链接获取。
往届版本 (Previous Tutorial Iterations)
本教程的一个相关分支曾以“基于概念的可解释深度学习（Concept-based Interpretable Deep Learning）”为题在 AAAI 2025 举办。另一个更为相近的版本曾在 2025 年神经符号 AI 暑期学校（Neuro-Symbolic AI Summer School 2025）作为特邀报告呈现。 往届教程的详细资料（包括幻灯片与课件）请参阅此处。
专知便捷查看，访问下面网址或点击最底端“阅读原文”
https://www.zhuanzhiai.com/vip/dae137e0d25f9de59d71bfb4a484c875
点击“阅读原文”，查看下载本文
