从字面上看，人工智能已经遇到了一个大数据问题，而危机现在已经使人们无法再忽视它了。

对于企业，政府和个人而言，全球大流行有效地重新定义了“正常”生活。但是，尽管我们大多数人现在已经适应了这种变化，但对于AI系统却无法说同样的话，因为AI系统的预测基于过去的样子。

英国数学家大卫·巴伯(David Barber)在CogX 2020会议上说：“目前，人工智能系统的部署比较笨拙。通常，您到那里去，收集数据集，对其进行标记，对其进行训练，然后进行部署。就是这样–您无需重新访问已部署的系统。但是，如果环境正在发生变化，那就不好了。”

理发师指的是有监督的机器学习，他将其称为当今的AI“经典范例”，其中包括示例教学算法。在监督模型中，向AI系统提供了一个大型数据集，该数据集先前已被人类标记过，并用于训练该技术识别模式并做出预测。

您可以训练一种算法，例如根据个人的收入或信用评分，自动执行银行的贷款决策。提示，以及整套全新的银行业模式，以及AI系统可能很难确定谁来取钱。

同样，在危机发生后的几个月中，一名美国研究人员指出，尽管算法已经提供了所有训练数据，但对理解疾病爆发的性质或其在全球的蔓延并没有帮助。。

该研究解释说，由于缺乏有关过去的培训数据，因此发现由AI工具生成的大多数预测都缺乏可靠性，其结果通常偏离了危机的严重性。

同时，在健康技术领域，由于缺少有关病毒的相关数据，人工智能健康工具的制造商一直在努力更新其算法，从而导致许多“症状查找器”聊天机器人的功能偏离了预期。