近日，天游线路检测中心谭貌教授团队与中南大学阳春华教授团队、国防科技大学王锐教授团队合作，在可解释人工智能领域取得重要进展。相关研究成果《可解释强化学习用于家庭多区域暖通空调系统用户热舒适性和需求响应优化》（Explainable reinforcement learning for enhancing personal thermal comfort and optimizing demand response in household multi-zone HVAC system）在国际顶级期刊《中国科学：技术科学（英文版）》（Science China Technological Sciences，中科院一区Top期刊）上发表。天游线路检测中心苏永新教授为论文第一作者，硕士研究生徐梦瑶为论文第二作者，通讯作者为谭貌教授，我校为论文第一完成单位。
一般深度学习网络不具备可解释性，可能导致安全性、可信性、鲁棒性等一系列问题，严重制约人工智能技术在设备控制、电力、医疗等关键敏感场景的应用，是当前人工智能技术发展面临的关键瓶颈之一。现行解决手段主要是先采用黑盒模型实现功能，然后分析、优化其可解释性，未能从本质上保证方法的可解释性。
该团队提出了复杂不确定系统优化的可解释强化学习框架和算法，保证学习网络、学习过程、学习结果均具有可解释性，从而从本质上保证方法可解释。进一步，该团队以家庭多区域暖通空调系统优化为例，验证了方法的本质可解释性、工程可行性、对复杂不确定环境的自适应性。该成果对其他复杂不确定系统的智能可信优化控制同样具有参考示范意义。
提出的可解释强化学习方法
《中国科学：技术科学（英文版）》创刊于1996年，是由中国科学院主管、中国科学院与国家自然科学基金委员会主办的自然科学类综合性学术期刊。本次在该期刊发表的研究成果是谭貌教授团队在可信人工智能领域研究的又一突破。近年来，该团队已在IEEE TCYB，IEEE TPS，IEEE TTE，IEEE TVT，IEEE TIM，EAAI等权威期刊发表了一系列科研成果，并获得2021年第五届亚洲人工智能技术大会最佳论文奖、2021年中国仿真学会科学技术奖一等奖、2024年湖南省科学技术进步二等奖。
论文链接：http://engine.scichina.com/doi/10.1007/s11431-024-2895-7
