Badanie wykazuje fundamentalny problem w metodach interpretacji modeli AI: gdy cechy są skorelowane (kolinearność), żadna metoda rankingowania ich znaczenia nie może jednocześnie spełniać trzech kluczowych własności - wierności wyjaśnieniom, stabilności wyników i kompletności. To stanowi teoretyczne ograniczenie dla wszystkich podejść do feature attribution, które są szeroko używane do wyjaśniania decyzji modeli uczenia maszynowego. Odkrycie ma istotne implikacje dla interpretowalności AI i wyma