NHỮNG ĐIỂM CHÍNH
• Máy có thể học để dự đoán sự đánh giá của con người. Một ví dụ là lái xe.
Việc mã hóa đánh giá của con người về cách xử lý trong mỗi tình huống có
thể xảy ra là không thực tế. Tuy nhiên, chúng ta đào tạo những hệ thống lái
xe tự động bằng cách cho chúng nhiều ví dụ và thưởng chúng vì đã dự đoán
sự đánh giá của con người: Con người sẽ làm gì trong tình huống đó?
• Khả năng dự đoán sự đánh giá của con người của máy cũng có những hạn
chế liên quan đến việc thiếu dữ liệu. Có một số loại dữ liệu mà con người
có nhưng máy lại không, ví dụ những sở thích của con người. Những dữ
liệu như vậy có giá trị và các công ty hiện đang trả tiền để được tiếp cận
chúng thông qua các chương trình giảm giá, thẻ khách hàng thân thiết và
những dịch vụ trực tuyến miễn phí như Google và Facebook.
• Máy không giỏi việc dự đoán những sự kiện hiếm khi xảy ra. Những
người quản lý đưa ra những quyết định về việc sáp nhập, đổi mới và cộng
tác mà không cần dữ liệu của những sự kiện tương tự trong quá khứ. Con
người sử dụng sự so sánh và những mô hình để đưa ra quyết định trong
những tình huống không phổ biến như vậy. Máy không thể dự đoán sự
đánh giá khi một tình huống chưa từng xảy ra nhiều lần trong quá khứ.
