神經網路的判別 有時，人工神經網路在

sohanuzzaman566

商業和執法領域對特定國籍、性別、種族的人表現得不公平。

2014 年，亞馬遜的人工智慧評估了對職位描述的反應，發現女性得分始終較低。因此，儘管沒有客觀原因，但候選人更常被拒絕工作。

在美國，臉部辨識系統錯誤地識別了很大一部分非裔美國人，然後他們被不公正地逮捕。

需要大量數據
神經網路非常“貪婪”，需要大量資訊進行訓練，有時甚至需要個人資訊。收集和儲存資料並不是最簡單、最便宜或最快的任務。當沒有足夠的資訊用於學習時，神經網路就會開始犯錯。

所以到了2022年，右舵汽車的駕駛開始因為人工智慧而收到 阿根廷數據 罰款。神經網路根本無法理解坐在座位上的人和坐著的人之間的差異。因不繫安全帶而被罰款。開發者評論這個問題正是因為數據不足：需要給機器人展示很多右駕汽車，這樣它才不會犯錯。但這並不能保證準確性，因為人工智慧可能會被相機上的燈光和眩光所迷惑。

有時這些案例甚至很滑稽。例如，特斯拉的自動駕駛儀無法辨識我們這個時代一種罕見的車輛——路上有馬的馬車。有時神經網路故障會讓你感到害怕。有一天，同一輛特斯拉在空蕩蕩的墓園裡看到前方有一個人，這嚇壞了司機。

沒有明確的答案
神經網路有時無法解決一個五歲孩子如果看到一個圓圈和一個正方形並問哪個是哪個就可以解決的問題。孩子會準確回答正方形在哪裡、圓在哪裡。神經元會說它 95% 是圓形，5% 是正方形。