编译 | 戚路北校对 | 维克多得益于算法、算力和数据这三驾马车|谷歌AI研究院：被低估的数据，被高估的模型( 三 ) 编译|戚路北

使用其他地区的数据进行训练AI模型会导致通用性方面的限制，例如，（美国清洁能源）使用美国东北部的卫星数据进行模型训练，但由于地形，云层和污染不同，因此无法应用于目标位置。
从业人员报告说，他们面对的情况是他们不得不“利用已有的东西” ，并且由于有限的原因，并不总是具有“可选择的能力” 。许多从业者报告说，他们出于非AI目的使用了收集的数据（例如迁移调查），但遇到了ML功能丰富的问题。
由于从业者在与弱势群体合作时缺乏数据和采用下游方法，因此从业者在面对挑战时会发生数据级联。绩效不佳所带来的风险主要是对社区的损害，但也导致绩效不佳和用户信任度低下。
“如果你建立了这个模型（例如，预测[眼疾]），并且预测到这个人没有这个模型所需的数据，那你就会让这个人失明。 ”
【编译 | 戚路北校对 | 维克多得益于算法、算力和数据这三驾马车|谷歌AI研究院：被低估的数据，被高估的模型】因此，许多研究者认为，消费型人工智能（例如广告技术）的准确性目标一般是70-75％，而对于高风险领域，人工智能技术的准确性每增加1％都至关重要。