Para entender por que a explicabilidade é um desafio para modelos de Deep Learning, precisamos considerar como esses modelos funcionam. Modelos de Deep Learning, como redes neurais profundas, são frequentemente descritos como "caixas pretas" porque suas decisões são baseadas em complexas interações de múltiplas camadas e parâmetros, tornando difícil entender como chegaram a uma determinada conclusão. Analisando as alternativas: a) Porque são baseados em regras explícitas e previsíveis. - Incorreto, pois modelos de Deep Learning não são baseados em regras explícitas. b) Porque possuem estruturas simples e de fácil interpretação. - Incorreto, já que esses modelos são complexos e não simples. c) Porque funcionam como uma “caixa preta”, dificultando a compreensão do processo de decisão. - Correto, essa é a principal razão pela qual a explicabilidade é um desafio. d) Porque dependem exclusivamente de estatísticas simples. - Incorreto, pois eles utilizam estatísticas complexas e não simples. e) Porque não podem ser ajustados para diferentes tarefas. - Incorreto, pois modelos de Deep Learning podem ser ajustados para várias tarefas. Portanto, a alternativa correta é: c) Porque funcionam como uma “caixa preta”, dificultando a compreensão do processo de decisão.