美国华盛顿大学计算机工程系教授李秀仁是开创“可解释人工智能(XAI)”领域的世界级学者,正主导让人类能够理解和验证人工智能(AI)决策过程的研究。
特别是她开发了解释AI模型预测结果的代表性技术“沙普利加性解释(SHAP)框架”,受到全球关注。SHAP是将博弈论中沙普利值概念应用于机器学习的框架。目前已成为在医疗、金融、推荐系统、产业分析等几乎所有应用AI的领域中使用的代表性XAI框架。
事实上,SHAP的影响力正超越学术领域,迅速扩散至产业现场。原始论文的引用次数已超过9万次,作为使用最广泛的版本之一,TreeSHAP在2020年作为AI领域国际学术期刊《自然·机器智能》封面论文发表后被引用超过3万次,被视为决策树类AI模型解释领域事实上的标准技术。
她通过这些研究拓宽了AI技术在实际产业与社会中的应用可能性。特别是在利用AI进行疾病成因分析、精准医疗研究以及医疗AI可信性验证领域取得世界级研究成果,引领AI与生物、医疗健康的融合研究。凭借这些贡献,她于2023年获得韩国工程界最高权威的三星湖岩奖工程奖。这是三星湖岩奖设立以来女性研究者首次获得工程奖。
此外,她还获得国际计算生物学学会(ISCB)创新奖和美国国家科学基金会(NSF)职业奖等,在全球AI研究界也具有很高的影响力。
她毕业于韩国科学技术院(KAIST)电子工程系,后在美国斯坦福大学获得电气工程博士学位。在斯坦福大学就读期间,她在被誉为AI四大学者之一的吴恩达教授的机器学习课程中取得最高成绩,此后还与吴恩达教授共同开展论文研究。之后她专注于XAI与AI可信性研究,持续引领相关领域。






