# 3️⃣ XAI giải thích cái gì? (Local vs Global Explanation)

<figure><img src="/files/075bgcbk6zCyBgocR6Qo" alt=""><figcaption></figcaption></figure>

### 1. Hai mức độ giải thích trong XAI

XAI thường chia làm **2 loại chính**:

* **Local explanation** → giải thích *từng dự đoán*
* **Global explanation** → giải thích *hành vi tổng thể của mô hình*

👉 Không loại nào “tốt hơn” loại nào — **chúng phục vụ câu hỏi khác nhau**.

***

### 2. Local Explanation – Giải thích từng dự đoán

#### Local explanation trả lời:

> *“Vì sao **trường hợp này** lại ra kết quả như vậy?”*

Ví dụ:

* Bệnh nhân A bị dự đoán **nguy cơ cao**
* Ảnh X bị phân loại là **ung thư**
* Protein Y được dự đoán **có chức năng Z**

Local XAI chỉ tập trung vào:

* **Một mẫu**
* **Một dự đoán**
* **Một thời điểm**

***

#### Đặc điểm của Local Explanation

* Giải thích theo **từng cá nhân**
* Thường hiển thị:
  * Feature nào ảnh hưởng nhiều nhất
  * Ảnh hưởng theo hướng tăng hay giảm
* Rất phù hợp cho:
  * Y khoa
  * Quyết định cá nhân
  * Debug mô hình

👉 **Bác sĩ, người dùng cuối rất cần local explanation**

***

### 3. Global Explanation – Giải thích toàn bộ mô hình

#### Global explanation trả lời:

> *“Nhìn chung, mô hình **đang học cái gì**?”*

Ví dụ:

* Feature nào **quan trọng nhất toàn cục**
* Mô hình có thiên lệch không?
* Mô hình dựa nhiều vào yếu tố nào?

Global XAI giúp:

* Hiểu **logic tổng thể**
* Đánh giá **độ tin cậy**
* Phát hiện **bias / lỗi học vẹt**

👉 **Nhà nghiên cứu, người xây dựng mô hình rất cần global explanation**

***

### 4. So sánh Local vs Global (bảng trọng tâm)

| Tiêu chí      | Local Explanation     | Global Explanation |
| ------------- | --------------------- | ------------------ |
| Phạm vi       | 1 mẫu                 | Toàn bộ mô hình    |
| Câu hỏi       | “Vì sao kết quả này?” | “Mô hình học gì?”  |
| Đối tượng     | Bác sĩ, người dùng    | Nhà nghiên cứu     |
| Mức chi tiết  | Rất cụ thể            | Tổng quát          |
| Phát hiện lỗi | Từng trường hợp       | Hành vi hệ thống   |

***

### 5. Vì sao cần **cả hai**?

Chỉ dùng **global**:

* Hiểu mô hình chung
* Nhưng **không biết từng ca cụ thể**

Chỉ dùng **local**:

* Giải thích từng ca
* Nhưng **không thấy mô hình có ổn định hay không**

👉 Hệ thống XAI tốt **luôn kết hợp local + global**.

***

### 6. Liên hệ thực tế (rất đúng hướng học thuật)

#### 🧬 Y sinh

* Local:
  * Vì sao bệnh nhân A nguy cơ cao?
* Global:
  * HbA1c hay glucose quan trọng hơn nhìn chung?

***

#### 🧠 Sinh tin học / protein

* Local:
  * Amino acid nào ảnh hưởng mạnh đến dự đoán này?
* Global:
  * Mô hình thường chú ý motif nào?

***

#### 🖼️ Ảnh

* Local:
  * Vùng ảnh nào khiến mô hình phân loại như vậy?
* Global:
  * Mô hình hay chú ý cấu trúc nào?

***

### 7. Hiểu đúng để không kỳ vọng sai

❌ *XAI sẽ giải thích toàn bộ Deep Learning*\
✔️ **Sai**

✔️ XAI:

* Chỉ giải thích **ở mức cần thiết**
* Đủ để:
  * Tin
  * Kiểm tra
  * Ra quyết định

👉 XAI là **công cụ hỗ trợ con người**, không phải “mở hộp não mạng”.

***

### 8. Tóm tắt để ghi nhớ

> **Local XAI trả lời “vì sao kết quả này?”**\
> **Global XAI trả lời “mô hình đang học cái gì?”**

Câu nhớ nhanh:

```
Local = giải thích cho từng ca.
Global = hiểu hành vi tổng thể.
XAI tốt = có cả hai.
```


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://deeplearningcoban.gitbook.io/deeplearningcoban.com/explainable-ai-xai/xai-giai-thich-cai-gi-local-vs-global-explanation.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.