一家公司开发了一种人工智能，旨在自动识别监控视频中的安全风险。

该人工智能被训练识别明显的危险，如火灾、武器或快速移动。

但很快发现：人工智能忽视了那些预示潜在危险的微妙行为，比如紧张地四处张望或异常的群体动态。

安全团队感到疑惑：为什么人工智能只识别明显的危险，却忽略了那些往往更重要的微妙线索？

问题：
为什么一款训练识别易于察觉特征的人工智能，倾向于忽视复杂且微妙的警示信号，只识别明显的情况？

该人工智能使用的训练数据主要展示了清晰、明确的危险——即易于识别的物体或动作。

因此，它学会了主要响应明显且强烈的特征，而无法识别复杂或微妙的行为模式。

像行为变化或社会动态这样的微妙警示信号更难量化，且在训练数据中通常代表性不足或未被明确标注。

因此，人工智能缺乏足够的线索来学习这些复杂模式或将其视为相关信息。

结论：
只针对明显特征训练的人工智能，往往会忽视对早期危险预警至关重要的重要微妙线索。
为了更有效地识别风险，必须扩展训练数据和模型，以适当捕捉和评估复杂的行为模式及上下文信息。