2020.10.06
-
產品系列
Products
資料科學
網路通訊
其他應用軟體
最新活動
News
產品新知
Blogs
關於我們
About Us
聯絡我們
Contact Us
人工智慧及機器學習的限制究竟有哪些？
現階段人工智慧與機器學習技術快速的發展，不過以普及率來說還尚在早期階段，究竟其限制有哪些？
1. 資料尚未被適當處理:
要完成演算法與模型的前提在於資料須先被正確的標記，模型才有辦法根據標記出的「線索」找出其中的規律。又因資料標記會耗費大量的成本資源，而成為其中的一項難題。
2. 黑箱效應:
若程式邏輯已經複雜到超過人類能解釋的程度，這就可以被稱作「黑箱效應」，這就是沒辦法說服上級、資安人員讓模型上線的主因之一。
3. 電腦智慧將難以控制:
電腦擅長行為模式辨識，但若無人類刻意的讓機器「學習」，其本身並無法學習到資料以外的事物，何況人類的行為是如此複雜，機器本身並不具備如此強大的能力可以自行接收如此廣泛、多變的資料作為學習的素材。
來源：3 Hurdles to Overcome for AI and Machine Learning
訂閱昊青/取消訂閱
*為必填
台北總公司
- 104 台北市中山區復興北路354號11樓
(02) 2505-0525
(02) 2503-1680
高雄辦公室
- 800 高雄市新興區民生一路56號11樓之6
(07) 229-8600
(07) 229-8660
客服資訊
- info@sciformosa.com.tw
0800-099-900