上述故事中有一个方面被刻意掩盖了：替代模型需要训练，而训练需要时间和资源。事实上，训练需要大量的时间和资源。因此，即使数字助理快速生成了疏浚区域的模型，生成后续的替代模型也并非易事。
利用机器学习加速计算的一种潜在且截然不同的方法 最近的手机号码数据 是将其用作微分方程的求解器。神经网络的使用方式类似于有限元法或有限体积法，但可以避免“维数灾难”。对于多维系统，神经网络的表现远胜于传统方法。显然，这种方法尚未像有限差分法或有限元法那样成熟，但在使用机器学习求解土木工程中至关重要的纳维-斯托克斯方程方面， 已经取得了一些令人瞩目的成果。
如同计算机制作电影一样，机器视觉的应用如今已是司空见惯。它在质量控制领域有着广泛的应用。上述案例中用于检测漏油的应用实际上就是一种质量控制。从这个角度来看，未来已然到来。
“它可以推断出泄漏的位置和大小以及管道中可能的压力。”
这种用途被称为逆向建模。我们可以训练机器学习算法来预测模拟的哪些设置对应哪些输出。诚然，上述故事有些牵强，因为针对特定情况的逆向模型无法立即训练出来。