我不知道，由于 ML 可能会发生灾难，但我的猜测是，可能很难真正将 ML 视为原因：ML 总是部署在人类为非常特定的任务而设计的环境中，并且设计必须考虑 ML 的统计性质。所以我倾向于将大多数问题解释为错误的设计，而不是机器学习本身。

如果您更广泛地研究 ML 应用程序中的问题，据我所知，最常见的问题是：

• 增加现有的偏见，例如人脸识别比黑脸更准确。
• 缺乏透明度，尤其是在医学、军事、执法等关键应用中
• 缺乏法律责任框架，例如，如果自动驾驶汽车造成事故，谁有过错？