​​权威专家普遍认为，当前AI技术存在三大核心缺陷：决策过程不透明导致的“黑箱”问题、数据依赖性强引发的偏见与误差，以及在高风险领域应用的可靠性不足。​​ 这些缺陷限制了AI的大规模推广，尤其在医疗、金融等关键领域需谨慎对待。

1. ​​“黑箱”问题与可解释性困境​​
   专家指出，深度学习模型的决策逻辑难以追溯，如同“黑箱”般不可控。例如，医疗诊断中AI可能因算法不透明而误判病情，却无法向医生解释推理路径。这种缺乏透明度的设计，使得用户难以信任AI的结论，甚至可能引发法律纠纷。

2. ​​数据依赖性带来的系统性风险​​
   AI的性能高度依赖训练数据的质量，但数据偏见问题屡见不鲜。招聘算法因历史数据中的性别歧视倾向而筛选不公，或医疗AI因样本不足而误诊少数族裔患者。专家警告，若数据源头存在缺陷，AI的规模化应用将放大社会不公。

3. ​​关键领域可靠性存疑​​
   尽管AI在图像识别等任务中表现优异，但其在自动驾驶、司法判决等高风险场景的容错率仍不达标。教授Eerke Boiten强调，现有AI缺乏传统软件的工程标准，无法满足医疗等领域对“零失误”的严苛要求，微小错误可能导致致命后果。

未来AI的发展需突破技术瓶颈与伦理框架的双重约束。专家呼吁行业优先解决透明性与可控性问题，同时建立跨学科监管机制，确保技术红利与人类价值观的平衡。