人工智能 (AI) 和机器学习 (ML) 正迅速普及，影响着全球所有人的生活。为了让原本“黑匣子”的 AI/ML 系统更容易理解，可解释人工智能 (XAI) 领域应运而生，其目标是开发算法、工具包、框架和其他技术，使人们能够理解、信任和管理 AI 系统。然而，尽管 XAI 是一个快速发展的研究领域，但大部分工作都集中在全球北方的背景下，人们对 XAI 技术是否或如何在全球南方的社区中进行设计、部署或测试知之甚少。这一差距令人担忧，尤其是考虑到政府、公司和学术界对使用 AI/ML 解决全球南方问题的热情日益高涨。我们的论文首次系统性地回顾了全球南方的 XAI 研究，为该领域的新兴工作提供了初步了解。我们从 15 个不同的场所确定了 16 篇论文，这些论文针对广泛的应用领域。所有论文均在过去三年内发表。在 16 篇论文中，有 13 篇侧重于应用技术 XAI 方法，所有这些方法都涉及使用（至少部分）本地数据。但是，只有三篇论文涉及或涉及人类参与工作，只有一篇尝试向目标用户部署他们的 XAI 系统。最后，我们反思了全球南方 XAI 研究的现状，讨论了在这些地区构建和部署 XAI 系统的数据和模型考虑因素，并强调了全球南方 XAI 需要以人为本的方法。