셋째, 규칙 기반 시스템과 달리 AI가 내린 결론이 어떻게 도출된 것인지 이해하기 어렵습니다. 일부 모델(model, 데이터로부터 패턴을 학습해 예측이나 의사 결정을 수행하는 수학적 알고리즘 구조)은 예측의 근거를 알려주지만 대부분의 모델은 단순히 예측 결과만 제공하기 때문에 그 이유를 파악하기 힘든 경우가 많습니다.

넷째, 머신러닝은 학습한 규칙을 자동으로 수정하지 않기 때문에 새로운 시장 상황이 발생하면 추가로 데이터를 학습시켜야 합니다.

데이터를 기반으로 스스로 학습하는 머신러닝은 규칙 기반 시스템의 한계를 극복하는 데 큰 역할을 했습니다. 하지만 복잡한 문제를 해결하거나 방대한 데이터에서 고차원적인 패턴을 정확히 파악하고 판단하는 데에는 여전히 한계가 있습니다. 머신러닝 모델이 효과적으로 작동하려면 사람이 직접 데이터에서 중요한 특징을 골라 입력해줘야 한다는 것도 문제입니다. 그래서 등장한 것이 바로 딥러닝입니다.