认证咨询热线（微信同号）
13728911712
18123927567
认证咨询热线（微信同号）
13728911712
18123927567
微信：13728911712
微信：18123927567
邮箱：jenny@usai.org.cn
邮箱：devin.huang@usai.org.cn
地址：深圳市宝安区福永街道怀德社区立新南路宝德工业中心锦城商务大厦2楼2009
2025 年 9 月 5 日，国际电工委员会发布 ISO/IEC TS 6254:2025《信息技术－人工智能－机器学习（ML）模型与人工智能（AI）系统可解释性与可解读性的目标与方法》。文件说明有哪些途径与方法，可以帮助利害相关方实现对模型行为、输出与结果的可解释目标。
这里的利害相关方写得很明确：学术界、产业界、政策制定者、终端用户。同一套模型对四类人要有四种说法，这是这份技术规范最实用的一个提醒。
TS 是技术规范，不是合格评定标准。它不设通过线，也不给限值，做的是把可解释性这件事拆成可执行的目标与方法，并说明在什么场景下用哪种方法合适。
这决定了两件事。第一，不能拿它去申请认证，没有判定规则。第二，它很适合作为内部文档框架，尤其是需要向监管方或客户解释模型决策的场合。
文件依据 ISO/IEC 22989 的术语与框架展开，重点在于判断各类途径与方法在系统全生命周期中的适用性。也就是说，可解释性不是上线前补一份说明，而是在需求、设计、训练、部署、运维各阶段都要留痕。
标题把两个词并列，是因为它们指向不同层次。可解释性关注能否说清系统为什么给出这个输出，面向的是外部提问者；可解读性关注人能否理解模型的内部运作方式，面向的是开发者与审核者。
实务中最常见的错误，是拿一份面向工程师的模型说明去回答用户与监管方的质疑。文档的技术密度够了，但回答不了具体个案为什么是这个结果。
反过来，只给用户一句模型综合判断也不成立，因为它无法被复核。规范要求的是目标与方法对应：什么问题，由谁回答，用什么方法支撑，留下什么记录。
可解释方法大致分两类：一类在模型内部就可读，比如决策树、线性模型；一类在模型外部做事后解释，比如特征归因、反事实说明。前者解释性强但性能受限，后者适用面广但解释本身也需要被验证。
文件的做法是给判断依据，而不是排名。高风险场景、涉及人身安全或重大权益的决策，倾向选择解释链条更短、可复核性更强的方法；对性能要求极高的场景，事后解释配合充分的验证记录更现实。
文件没有给出行业限值，也没有规定必须披露哪些字段。这部分留给具体领域的法规与合同去约定。企业如果期待从中直接拿到合规模板，会失望。
欧盟人工智能法案与多个国家的治理规则都在引用这类国际标准，作为技术层面的支撑。提前按这套框架组织文档，后续做符合性评估时能省下大量补材料的时间。
对出口企业而言，真正的成本不在测试，而在记录。可解释性无法在成品上测出来，只能靠过程留痕。建议从一个高风险模型试点，把方法选择、证据、复核流程跑通，再推广到其他模型，避免一次性铺开却落不了地。