人工智慧當然是黑箱無誤啊。但是黑箱其實應該是讚美，因為黑箱是需要累積
很多經驗才能做得好的！
雖然人工智慧／機器學習／資料探勘的想法可以來自數學，但其研究成果都是
實驗出來的，而非用數學推導出來的，所以凡是型如「用某某方法辨識某某影
像（或聲音、情緒等）的準確率到底有多高」、「AlphaGo到底有多強」這類的
問題，都只能靠實驗回答。
只能說人工智慧／機器學習／資料探勘蘊含的數學還遠遠超出人類的數學之外，
所以我們頂多用已知的數學得到其中的部分想法，但實際上這些領域的主要研究
成果絕對都是實驗成果、而非定理證明。
※ 引述《SangoDragon (SANGO)》之銘言：
: 媽的
: 現在一堆人跑出來炮 神經網路是黑箱
: 雖然準確度很高,但是因為是黑箱
: 無法對人類了解AI內部運作有幫助
: 其實 NN 神經網路 , 已經發展超過50年了
: 從最早的感知器,碰到非線性問題無法解決
: 後來非線性問題也被解決了
: 一直到現在的深度學習
: 但因為其隱藏層及各種權重,向量特徵等等
: 只是經由大量訓練,調整相關的數字,來達到預測的目的
: 但問題還是在黑箱
: 目前在白箱部分,AI的發展有重大的進步嗎?
: 有沒八卦?