한 금융 기관이 대출 결정을 지원하기 위해 파운데이션 모델을 사용하며, 감사 및 보안상의 이유로 모델 결정에 대한 설명 가능성을 요구합니다. 다음 중 모델 결정의 설명 가능성에 가장 직접적으로 영향을 미치는 요소는 무엇입니까?

모델 복잡성은 모델 결정의 설명 가능성에 가장 직접적으로 영향을 미칩니다. 복잡한 모델(예: 심층 신경망)은 내부 작동 방식을 이해하고 특정 예측이 어떻게 도출되었는지 설명하기 어렵기 때문에 '블랙박스'로 간주되는 경우가 많습니다. 반면, 선형 회귀나 결정 트리와 같은 단순한 모델은 예측에 기여하는 요소를 파악하기 훨씬 쉽습니다. 학습 시간과 배포 시간은 모델의 효율성과 운영 측면에 관련되지만, 모델이 왜 특정 결정을 내렸는지 이해하는 능력과는 직접적인 관련이 없습니다. 하이퍼파라미터 수는 모델의 복잡성과 간접적으로 관련될 수 있지만, 모델 자체의 내재된 복잡성만큼 설명 가능성에 직접적인 영향을 미치지는 않습니다.