ناکافی بودن توانایی طراح به ناچار منجر به ناتوانی هوش مصنوعی در دستیابی به هوش 100% می شود. انسان ها می توانند راهی برای جبران کمبودها یا یافتن مشکلات پیدا کنند و برای حل مشکلات تلاش کنند، اما هوش مصنوعی چنین توانایی نوآوری ندارد. حتی اگر هوش مصنوعی فعلی می تواند یادگیری عمیق را انجام دهد، حالت و مسیر یادگیری همچنان به برنامه ای که از قبل توسط طراح نوشته شده است (وانگ) بستگی دارد.نقل قول2019 ). عدالت مکانیزم بسیار پیچیده ای برای تعیین تقسیم و حل و فصل اختلافات است که شامل افراد، اموال، زمان و مکان، حالت ذهنی و عینی، حالت رفتار، ابزارهای درگیر و دیگران می شود، تنها یک مورد واحد تعداد زیادی داده قضایی تولید می کند. اگر شخصی نوع خاصی یا دسته ای از موارد را از الگوریتم مدل سازی مورد بخواهد، باید حجم عظیمی از داده ها را جمع آوری کند. حاشیه نویسی داده ها مبنای مهمی برای ساخت یک نمودار دانش قضایی است.

این بیانیه در مورد محدودیت های هوش مصنوعی و چگونگی تاثیر آن بر عدالت مکانیزم است. اولاً، اشاره می شود که هوش مصنوعی به دلیل محدودیت های طراح خود، نمی تواند به هوش 100٪ برسد. این به این معنی است که هوش مصنوعی نمی تواند به طور خودکار مشکلات را حل کند یا راه حل های نوآورانه ایجاد کند، بلکه بر اساس برنامه ای که توسط طراح برای آن ایجاد شده است، عمل می کند.

دوماً، بحث در مورد پیچیدگی عدالت مکانیزم است که شامل تعیین تقسیم و حل و فصل اختلافات بین افراد، اموال، زمان و مکان، حالت های ذهنی و عینی، حالت های رفتاری، ابزارهای درگیر و غیره است. این موضوعات همگی داده های قضایی را تولید می کنند که برای مدل سازی در یک الگوریتم نیاز است.

سوماً، اشاره می شود که برای مدل سازی یک نوع خاص یا دسته ای از موارد در الگوریتم، نیاز به جمع آوری حجم عظیمی از داده ها است. این داده ها سپس باید حاشیه نویسی شوند، که این یک پایه مهم برای ساخت یک نمودار دانش قضایی است.

این پاراگراف به چالش های موجود در استفاده از هوش مصنوعی در حوزه عدالت مکانیزم می پردازد. اولاً، اشاره می شود که هوش مصنوعی به دلیل محدودیت های طراحی، نمی تواند به هوش 100% برسد. این به این معنی است که هوش مصنوعی نمی تواند به طور خودکار مشکلات را شناسایی و حل کند، بلکه برای یادگیری و پیشرفت به برنامه ریزی و دستورات از طرف طراحان خود نیاز دارد.

دوماً، اشاره می شود که عدالت مکانیزم یک فرایند پیچیده است که شامل تعداد زیادی از متغیرها می شود، از جمله افراد، اموال، زمان و مکان، حالت های ذهنی و عینی، حالت های رفتاری، ابزارهای درگیر و غیره. بنابراین، برای مدل سازی این فرایند با استفاده از الگوریتم های هوش مصنوعی، نیاز به جمع آوری و پردازش حجم عظیمی از داده ها است.

در نهایت، اشاره می شود که حاشیه نویسی داده ها یک پایه مهم برای ساخت یک نمودار دانش قضایی است. این به این معنی است که برای ساخت یک مدل کامل و دقیق از فرایند عدالت مکانیزم، نیاز به یک فرایند دقیق و مدون برای جمع آوری، تفسیر و طبقه بندی داده ها است.