Systematische Fehler in kommerziellen Maschinenlernmodellen zeigen homogene Ergebnisse
Maschinenlernmodelle, die in der Praxis eingesetzt werden, neigen dazu, systematische Fehler zu produzieren, bei denen einige Nutzer von allen Modellen falsch klassifiziert werden. Selbst wenn sich einzelne Modelle im Laufe der Zeit verbessern, konzentrieren sich diese Verbesserungen meist auf Personen, die bereits von anderen Modellen richtig klassifiziert werden.