Nous introduisons un nouveau système indépendant du modèle qui explique le comportement de modèles complexes avec des règles à haute précision appelées ancres, représentant des conditions locales, "suffisantes" pour les prédictions. Nous proposons un algorithme pour calculer efficacement ces explications pour tout modèle boîte noire avec des garanties de haute probabilité. Nous démontrons la flexibilité des ancres en expliquant une myriade de modèles différents pour différents domaines et tâches. Dans une étude utilisateur, nous montrons que les ancres permettent aux utilisateurs de prédire comment un modèle se comporterait sur des instances invisibles avec moins d'effort et une précision accrue, par rapport aux explications linéaires existantes ou à l'absence d'explications.
Ribeiro et al. (Mer,) ont étudié cette question.