《AI 3.0》第一部分06　难以避免的长尾效应

[《AI 3.0》读书笔记](https://www.jianshu.com/p/3a002b41da29)

[《AI 3.0》读书笔记 序1](https://www.jianshu.com/p/5a58b278b491)

[《AI 3.0》读书笔记 序2](https://www.jianshu.com/p/24df6f50e398)

[《AI 3.0》读书笔记 序3](https://www.jianshu.com/p/24df6f50e398)

[《AI 3.0》读书笔记 译者序](https://www.jianshu.com/p/a24f15c62d54)

[《AI 3.0》读书笔记 第一部分 若想对未来下注，先要厘清人工智能为何仍然无法超越人类智能01](https://www.jianshu.com/p/2cb7747e5f2d)

[《AI 3.0》读书笔记 第一部分 若想对未来下注，先要厘清人工智能为何仍然无法超越人类智能02](https://www.jianshu.com/p/db77634228d0)

[《AI 3.0》读书笔记 第一部分 若想对未来下注，先要厘清人工智能为何仍然无法超越人类智能03](https://www.jianshu.com/p/db77634228d0)

[《AI 3.0》读书笔记 第一部分 04 何人，何物，何时，何地，为何](https://www.jianshu.com/p/95222fed7777)

[《Ai 3.0》05 ConvNets和ImageNet，现代人工智能的基石](https://www.jianshu.com/p/c83dde1339ce)

知名的深度学习专家本吉奥说：“实事求是地讲，我们不可能对世界上的所有事物都进行标注，并一丝不苟地把每一个细节都解释给计算机听。”这一情况由于长尾效应的存在而进一步恶化：人工智能系统可能要面临各种可能的意外情况，自动驾驶汽车在一天的行驶期间可能会遇到的各种假设情况的可能性可以很好地说明这一现象。遇到红色交通信号灯或停车标志等都是常见的情况，被评定为具有高可能性；中等可能性的情况包括遇到碎玻璃或者风吹过来的塑料袋；不太常见的情况是自动驾驶汽车遇到了被水淹没的道路或被雪遮挡住的车道标志，等等。

“长尾”这个术语来自统计学，其中包含的一长串可能性低，但却可能发生的情况被称为一个概率分布的“尾巴”，尾巴上的情况有时被称为“边缘情况”。人工智能在现实世界的大多数领域中都会面对这种长尾效应：现实世界中的大部分事件通常是可预测的，但仍有一长串低概率的意外事件发生。如果我们单纯依靠监督学习来提升人工智能系统对世界的认识，那么就会存在一个问题：尾部的情况并不经常出现在训练数据中，所以当遇到这些意外情况时，系统就会更容易出错。