模型而不了解发生了什么，对吧正确的。更糟糕的是，对于这些模型，我们实际上无法理解，或者传统上很难理解模型是如何到达或预测的。因此，如果您被拒绝信用额度，或者正如我在书中谈到的保释，例如，在法庭案件中，呃，很难争论，好吧，为什么是我为什么，为什么我这件事被拒绝了然后，如果您使用传统方法再次审核并做出决定，您总是可以问，那么您是如何建模的呃，为什么这个人在审计中被拒绝了这个特殊案例嗯嗯。例如，对于一个神经网络，这会变得更加复杂。：所以我，我的意思是，所以你所说的，最初的问题之一是人们依赖输出、数据。

我的我以一种非常简单的方式

使用它。我经营一家营销公司，我们 美国电话号码 经常使用它来为我们提供文案创意，为我们提供标题创意，你知道，一些事情。所以我真的不觉得那里有任何真正的危险，除了听起来可能像你文案中的其他人一样。呃，但是，但是你是说，你知道，当人们开始依赖这些来做出应该知情的决定时，很多时候预测都是错误的。肯尼思•温格：是的。而且，而且非常，所以答案是肯定的。现在，有两个原因。顺便说一句，让我回过头来说一下，在某些用例中，您当然必须将其视为一个频谱，对吧就像是的，是的。在某些情况下，犯错的后果比其他情况更严重，对吗所以正如你所说，如果你试图生成一些副本，并且你知道，如果它是无意义的，那么你就继续更改它。

骗性的部分是它们往往非常适合

到最后，你可能 阿联酋 WhatsApp 号码列表 还是会回顾它。所以，成本更低，可能更低。例如，错误的成本将低于在司法程序中使用模型的情况。正确的正确的。正确的。现在，关于这些模型有时会犯错误的事实，其原因是这些模型实际工作的方式是它们，而且，可能具有欺也就是说，他们非常了解数据中的领域。：所以，如果你想到一个数据集，对吧因此，他们使用数据集中的大部分数据进行训练，他们将能够很好地对其进行建模。这就是为什么您得到的模型在特定数据集上的准确率达到。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。