某團隊想採用循環神經網路（Recurrent Neural Network, RNN）建構長期氣候數據的預測模型，以下哪一項敘述最符合使用 RNN 可能會遇到的挑戰？
答案 （B）
核心概念
RNN 靠隱藏狀態把前一時刻的資訊往後傳，天生適合處理序列資料。但它訓練時使用時間反向傳播（BPTT），誤差要一路乘回很多個時間步，當這些連乘的梯度值小於 1，往回傳幾十步之後就會趨近於 0——這就是梯度消失（Vanishing Gradient），結果是模型學不到「很久以前」的資訊。長短期記憶網路（LSTM）與門控循環單元（GRU）就是為了緩解這個問題而生。
答題技巧
快速判斷技巧：這題問「挑戰」，所以要找一個「真實存在的缺點」。(A)(C)(D) 都是在否定 RNN 的基本能力，只要知道 RNN 是專門吃序列的模型，這三個一眼就矛盾，剩下的就是答案。
易錯陷阱：(C) 寫「無法捕捉時間依賴」跟正確答案的「長序列學不好」只差一個程度副詞，容易看快就選錯。差別在於：RNN 是短期抓得到、長期抓不到，不是完全抓不到。