1. การทำงานแบบให้คำตอบตลอดเวลา

AI ถูกออกแบบมาให้ ตอบคำถามอย่างรวดเร็ว และเป็นระบบที่ไม่มีการหยุดพัก ดังนั้น เมื่อมีคำถามเข้ามา AI จะพยายามให้คำตอบโดยไม่คำนึงว่าในบางครั้งมันอาจจะไม่รู้คำตอบที่ถูกต้อง หรือแม้แต่ในสถานการณ์ที่ข้อมูลไม่เพียงพอ

2. การเรียนรู้จากชุดข้อมูลที่ไม่สมบูรณ์

AI มักเรียนรู้จากชุดข้อมูลที่มีอยู่ แต่ถ้าหากชุดข้อมูลนั้นไม่ครอบคลุมหรือมีข้อผิดพลาด AI ก็อาจจะให้คำตอบที่ผิดหรือไม่สมบูรณ์ เพราะโมเดลไม่ได้ถูกสอนหรือมีข้อมูลเกี่ยวกับคำถามนั้นๆ อย่างครบถ้วน

3. การสร้างคำตอบจากความน่าจะเป็น (Probability)

เมื่อ AI ต้องเผชิญกับคำถามที่ไม่แน่ชัดหรือไม่เคยเจอมาก่อน มันจะพยายาม คาดการณ์คำตอบ โดยใช้ข้อมูลที่มี ซึ่งในบางครั้งอาจจะเป็นคำตอบที่ไม่ถูกต้อง แต่ AI จะใช้การคำนวณความน่าจะเป็นเพื่อให้ได้คำตอบที่ดีที่สุดจากข้อมูลที่มันมี

4. AI ไม่สามารถบอกความไม่แน่ใจ

AI ถูกตั้งค่าให้พยายามให้คำตอบทุกครั้ง จึงอาจสร้างคำตอบแม้จะไม่รู้ข้อมูลจริง และไม่สามารถบอกได้อย่างชัดเจนว่าข้อมูลนั้นมาจากความไม่แน่ใจ ซึ่งเป็นหนึ่งในข้อจำกัดที่ก่อให้เกิด AI Hallucination

5. ข้อจำกัดของโมเดล AI

AI ยังมีข้อจำกัดในการเข้าใจเนื้อหาหรือคำถามในเชิงลึก เช่น คำถามที่มีความกำกวม หรือคำถามที่ต้องการความเข้าใจบริบทอย่างลึกซึ้ง AI อาจจะไม่สามารถแยกแยะได้ ทำให้ให้คำตอบผิดพลาด