قابلية التفسير الميكانيكية أو القابلية التفسيرية الميكانيكية (بالإنجليزية: Mechanistic interpretability) هي مجال بحثي داخل الذكاء الاصطناعي القابل للتفسير، يدرس الشبكات العصبونية الاصطناعية من الداخل، لا من خلال نتائجها الظاهرة وحدها. تهدف هذه المقاربة إلى فهم النموذج الحاسوبي بوصفه ميكانيكية من طبقات، وأوزان، وتنشيطات، وتمثيلات داخلية، ووحدات صغيرة تتعاون لإنتاج سلوك ظاهر، مثل جواب نصي، أو تصنيف، أو احتمال، أو قرار مبني على الإحصاء والخوارزميات. وبدل أن يكتفي الباحث بملاحظة السؤال والجواب، أو المدخل والمخرج، يحاول تتبع الطريق الذي تسلكه الإشارة داخل النموذج من متجهات، ومنظمات الأرقام داخل مصفوفات، وكيف تعمل عمليات الجبر الخطي في نقل المعلومات بين الطبقات، وكيف تخزن بعض الوحدات معنى معينًا، وكيف تتعاون أجزاء صغيرة من النموذج في ما يشبه الدائرة أو الآلية الداخلية.
تظهر أهمية قابلية التفسير الميكانيكية بوضوح في التعلم العميق والنماذج اللغوية الكبيرة، لأن هذه النماذج تستطيع إنتاج نصوص طويلة، وترجمة لغات، وكتابة شيفرة، وتلخيص وثائق، والإجابة عن أسئلة معقدة، لكنها تفعل ذلك عبر حسابات داخلية يصعب فهمها مباشرة. ولهذا يرتبط المجال بمفاهيم مثل التعلم الآلي، ومعالجة اللغات الطبيعية، وتضمين الكلمات، وتقليص الأبعاد، وعلم الدلالة، والعلاقات السببية، والهندسة العكسية.
في سياق الذكاء الاصطناعي الحديث، يساعد هذا النوع من البحث على فهم قدرات النماذج، وحدودها، ومصادر أخطائها، ومخاطر السلوك غير المتوقع، كما يدعم النقاش الأوسع حول سلامة الذكاء الاصطناعي، وموثوقية النماذج اللغوية الكبيرة، وقابلية استعمالها في التعليم، والبحث، والبرمجة، والطب، والقانون، والأنظمة عالية الحساسية.