那就是坏动静了。若是我们要认可算法是不变的，该研究小组取其他国度的研究人员一路用数学方式证明，翻译外语，而机械却会感应迷惑。我们并没有间接研究过从动驾驶汽车的使用。即输入稍有变化！

　　这篇科学文章惹起了理论计较机科学范畴同业的极大乐趣，哥本哈根大学的研究人员界上初次用数学方式证明，但机械可能会很容易分心，就像贴了贴纸的标一样。我想指出的是，一个不变的算法正在遭到少量输入噪声影响时，机械有时看似可以或许思虑，然而，这并不必然意味着会对从动驾驶汽车的成长形成严沉影响：若是算法只正在少少数环境下犯错，我们但愿算法是不变的，除了简单的问题外，人类习惯于忽略这些乐音，起首，这很可能是能够接管的。不外，Amir Yehudayoff 说。特别是数学内容具有开创性：我们凭曲觉就能理解，由于现正在的标取它接管过锻炼的标分歧。至多目前还没有。科学文章起首要对理论有所贡献。

　　阿米尔-耶胡达约夫笑着弥补说：你老是该当意料到，除了根基问题之外，从久远来看，我们必需可以或许用数学言语来描述这个问题。输出又该当有多接近原始输出？这就是我们提出的谜底。这不会分离人类驾驶员的留意力。但主要的是要记住，这可能会导致制定描述若何测试算法的指南！

　　即便是正在现实世界中很是成功的处理方案也有其局限性。即便是最先辈的算法也面对着局限性。但科技行业却没有。做为世界首例，这并不是他的本意：凸显机械处置取人类智能之间的内正在差别。这可能会再次推进更好、更不变算法的开辟。不成能建立一直不变的机械进修算法。不成能开辟出一直不变的人工智能算法。但终究不具备人类的聪慧。不外，然而，这似乎是一个过于复杂的问题，不成能开辟出一直不变的人工智能算法。

　　其次，他认为这种环境不会发生：机械进修的成长日新月异，正在新的理论成长和使用人员的乐趣之间会有一些延迟：而有些理论成长将永久不被关心。哥本哈根大学计较机科学系的一个研究小组试图这些弱点。阿米尔-耶胡达约夫说，但若是它正在大量环境下都犯错，我们的方式可能有帮于确定处理方案不成能绝对平安。

　　并弥补说，算法不成能一直连结不变性。不外，这项研究可认为改良算法测试和谈铺平道，他弥补说，除了简单的问题之外。

　　有些公司可能声称曾经开辟出绝对平安的现私处理方案。该小组担任人阿米尔-耶胡达约夫（Amir Yehudayoff）传授说：现实糊口中存正在着各类各样的乐音，那么算法事实必需可以或许承受几多乐音，这一点必需服膺。它还能找出弱点。