问题是，对于的人来说，他们无法很好地建模，那里的错误是显着的，而且在某种程度上，人类是不可能犯这些错误的。那么在这些情况下会发生什么，首先，当我们训练我们得到的这些模型时，我们会说，在这个特定 保加利亚手机号码数据库列表 的数据集中，我们得到的错误率。 一个问题是，当您将其投入生产时，您不知道这些错误的发生率在现实世界中是相同的。您最终可能会遇到这样一种情况，即您获得的数据点导致错误的发生率比数据集中的错误率高得多，这只是一个问题。
第二个问题是，如果你的用例，如果你的生产应用程序，错误可能会付出高昂的代价，就像在医疗用例或自动驾驶中，当你必须返回时并解释为什么你会出错，为什么模型会出错，它与人类会犯的错误有如此奇怪的不同，这是我们没有在安全关键领域部署这些系统的根本原因之一今天。 顺便说一句，这就是我们创建的根本原因之一，就是为了专门解决这些问题，就是弄清楚我们如何创建一组模型或一个系统，能够具体理解模型何时做对了，并且当他们在运行时出错时。
