在复杂的系统分析中，模型的准确性和可靠性至关重要。为了评估这些特性的影响，我们可以使用灵敏度分析（Sensitivity Analysis）。这是一种统计方法，它通过改变模型中的输入参数来探索输出结果对这些变量变化的反应。灵敏度分析有助于我们理解哪些因素对最终结果具有决定性影响，并帮助我们做出更明智的决策。
什么是局部和全局灵敏度分析？
局部灵敏度分析
局部灵敏度分析专注于单一输入参数或一个小范围内多个参数如何影响模型输出。当进行局部测试时，我们通常会固定所有其他变量并逐个检查每个可能对结果产生重大影响的输入参数。这使得我们能够确定哪些因素对于特定情境下的预测尤为关键。
全局灵敏度-analysis
相比之下，全局灵敏度-analysis考虑了整个模型空间，即所有可能值组合的情形。在这个过程中，我们不仅仅关注某一特定参数，而是考虑到所有可能发生的情况，这样能让我们了解在任何给定的条件下，哪些变量会导致最大差异。全局测试提供了一种全面观察各个变量互动方式的视角，有助于识别潜在的问题区域。
局部和全局测试适用的场景
局部测试适用场景：
资源有限：当资源有限时，进行全面的计算可能是不切实际的，因此采用局部方法可以节省时间。
具体问题：如果你正在研究一个非常具体的问题，比如一个小型项目，那么只需要针对该项目所需数据进行本地搜索就足够了。
简单系统：对于简单系统来说，对其行为有一点了解，就可以通过调整几个关键点来验证它是否符合预期。
全球测试适用场景：
复杂系统：在处理大型、复杂系统时，如经济模拟或者气候模式，全域试验变得更加必要，因为它们包含许多相互作用。
未知领域：当你处于未知领域，你没有足够信息去判断哪些要素将被忽略或者优先考虑的话，全域试验允许你探索不同的可能性。
政策制定者：对于政策制定者来说，他们经常需要评估不同假设下的多种方案，这正是全球试验的一个应用场景。
如何选择正确类型？
选择正确类型的人工智能任务取决于你的目标、可用资源以及您想要解决问题的一般性质。如果您正在处理一个涉及大量交互且具有高度不确定性的复杂环境，则应该偏向执行全域试验以获取更广泛见解。如果情况相反，您可能希望从简化起步，以便快速获得一些关于您的特定情境下主要驱动因素的情况洞察力。此外，如果您面临资金限制或时间紧迫，您也应考虑采取混合方法，即首先实施本地试验，然后基于发现继续执行更详尽的地理图像学调查。