一家公司开发了一种用于医学诊断中自动图像分析的人工智能。
该人工智能旨在检查X光片中的异常，并区分健康组织与病变组织。
开发者用标注清晰的图像训练该人工智能，这些图像要么完全健康，要么明确患病。
起初，该人工智能在明确的病例中表现非常可靠。
但很快发现：对于模糊、轻微或混合病变的图像，该人工智能经常做出错误判断。
该人工智能将许多此类图像严格分类为健康或患病，不允许存在中间状态。
公司开始思考：为什么一个基于明确类别训练的人工智能，在面对模糊或复杂病例时，无法给出细致的评估？
问题：
为什么一个仅用清晰的二元示例训练的人工智能，倾向于在应用中只做出黑白决策，而无法识别中间状态或不确定性？
答案明天公布。