Yorumlanabilir bir görsel soru cevaplama sistemi için her bir görüntü-soru çiftinin anlaşılmasında işbirlikçi akıl yürütme oldukça kritiktir, ancak henüz yeterince araştırılmamıştır. Çok yakın tarihli çalışmalar sorularda yer alan birden fazla alt görevi bir araya getirmek için açık bileşimsel süreçler kullanmayı denemiş olsa da modelleri, geçerli akıl yürütme süreçleri elde etmek adına büyük ölçüde ek açıklamalara veya elle tasarlanmış kurallara dayanmakta; bu durum da ya ağır iş yüklerine ya da bileşimsel akıl yürütmede düşük performansa yol açmaktadır. Bu makalede, çeşitli ve kısıtlanmamış durumlarda görüntü ve dil alanlarını daha iyi hizalamak amacıyla, sorudan ayrıştırılan bir bağımlılık ağacı üzerinde küresel akıl yürütme gerçekleştiren özgün bir yapay sinir ağı modeli öneriyor ve bu doğrultuda modelimizi ayrıştırma ağacı kılavuzluğunda akıl yürütme ağı (PTGRN) olarak adlandırıyoruz. Bu ağ üç işbirlikçi modülden oluşmaktadır: i) sorudan ayrıştırılan her bir sözcük için yerel görsel kanıtlardan yararlanan bir dikkat modülü, ii) önceden elde edilen kanıtları birleştiren kapılı bir artık bileşim modülü ve iii) elde edilen kanıtları ayrıştırma ağacı boyunca aktaran ayrıştırma ağacı kılavuzluğunda bir yayılım modülü. Böylelikle PTGRN modelimiz, soru güdümlü bir ayrıştırma ağacı akıl yürütme rotasını izleyerek görüntü ipuçlarını kademeli olarak çıkaran yorumlanabilir bir VQA sistemi oluşturabilmektedir. İlişkisel veri kümeleri üzerinde gerçekleştirilen deneyler, PTGRN modelimizin güncel en gelişmiş VQA yöntemlerine kıyasla üstünlüğünü ortaya koymaktadır.