人工智能虽强大，但存在数据依赖、因果缺失、伦理困境等显著缺点，具体表现为医疗误诊、就业替代、算法偏见等现实问题。

1. 数据依赖导致系统性偏差
   训练数据的质量直接影响AI输出结果。例如医疗AI因训练数据未覆盖少数族裔，导致败血症预测准确率下降；招聘算法因历史数据中的性别偏见，加剧职场歧视。

2. 因果缺失引发误判风险
   AI仅识别统计关联而非因果逻辑。典型案例包括将“冰淇淋销量”与“溺水事故”错误关联，或自动驾驶因涂鸦斑马线误判为行人引发事故。

3. 伦理与责任归属模糊
   手术机器人误伤患者时，责任难以界定（开发者、操作者或监管方）；道德选择如自动驾驶的“电车难题”暴露价值观植入争议。

4. 过度诊断与就业冲击
   医疗AI倾向夸大病情（如将普通症状误判为绝症）；自动化取代传统岗位，如制造业机器人导致工人失业。

5. 安全漏洞与隐私风险
   复杂模型易被恶意指令操控（如生成虚假信息）；数据收集涉及隐私泄露，如人脸识别滥用引发公众**。

人工智能的缺陷需通过数据优化、因果建模、法律完善等多维度改进，技术发展必须与伦理监管同步推进。