在人工智能的未来展望中，哪个概念强调了AI系统在不确定条件下的适应能力？A. 可解释性B. 鲁棒性C. 模块化设计D. 人机交互

考查要点：本题主要考查对人工智能领域核心概念的理解，特别是不同术语在系统性能中的具体含义。

解题核心思路：明确每个选项对应的概念定义，重点抓住题目中“不确定条件下的适应能力”这一关键点，匹配最相关的术语。

破题关键点：

• 鲁棒性（Robustness）：指系统在异常、噪声或意外情况下仍能保持性能的能力，直接对应“适应不确定性”。
• 其他选项（如可解释性、模块化设计、人机交互）与适应能力无直接关联。

选项分析

A. 可解释性

• 定义：指AI系统的决策过程对人类可理解。
• 关联性：与提高透明度和信任相关，但不涉及应对不确定性。

B. 鲁棒性

• 定义：系统在面对干扰、噪声或未预期环境时仍能稳定工作。
• 关联性：直接对应题目中的“不确定条件下的适应能力”，例如抵御数据偏差或环境变化。

C. 模块化设计

• 定义：将系统拆分为独立功能模块以简化开发和维护。
• 关联性：与系统结构优化相关，不直接影响适应能力。

D. 人机交互

• 定义：研究人与AI之间的信息交换方式。
• 关联性：关注用户体验而非系统稳定性。