如果说MogIA的数据采集依然存有偏见的话，那么Unanimous AI采用“集群智能”技术搜集数据的方法更带有偏见性，并通过问题的设定和对象的选取得到了充分体现。

　　再看算法。现阶段有关算法的讨论大多集中于人类在算法设计中所起的作用，也就是说算法的设计者是否会将自我意识强加于算法中。就像是上面提到过的由印度人Sanjiv Rai开发的MogIA系统，它所使用的相对简单的算法客观上可能就更有利于特朗普而非希拉里。至于Unanimous AI，过于复杂的以人为分析对象的算法，又极易产生“人”最常具备的偏见。就像 John Mannes 所说：“一个充满偏见的世界能产生偏见的数据，而偏见化的数据又会继续得到偏见化的 AI框架。”。那么最终导致的结果就可想而知了。

　　其实，就在人们过于注重AI在此次美国总统大选表现的时候，美国纽约州立大学石溪分校政治学教授 Helmut Norpoth，分析了自 1912 年起的历届大选并归纳出两个预测模型：初选模型和摇摆效益模型，而且就凭它成功预测了由 2000 年起的五届总统大选，而他更预测特朗普的胜率达 97%。而美国政治史学家 Allan Lichtman 也透过归纳历届大选而在 1981 年提出“入主白宫的 13 个关键”，并成功预测其后 30 多年的八届总统大选。这 13 道是非题其实是反映施政成效，得分愈低就会选输，而Allan Lichtman 就因此也同样断言特朗普将会胜出。

　　综上所述，我们认为，此次美国总统大选的AI预测之战，无论是赢家还是输家，其背后反映出的AI在数据和算法上或因主观或因客观，均存在难以避免的缺陷，并导致最终的结果也存在相当偶然的因素，所以神话即笑话，笑话即神话。但传统预测模型在此次预测中并未在AI面前失去其自身的价值，甚至更加可靠，这无疑为未来AI在垂直行业中，“传统+现代”相得益彰模式的应用提供了很好的启示。