定义“靠谱”：

在讨论人工智能AI培训的可靠性之前，我们首先需要明确“靠谱”的含义。这个词汇在中文里通常指的是某事物的可信度、质量或者效果。但对于AI领域，这个概念可能会有所不同。一个训练出来的人工智能模型是否“靠谱”，取决于它解决特定问题的能力，以及其预测或执行任务的准确性和效率。

技术难点：

人工智能涉及复杂的算法和数据处理，包括机器学习、深度学习等，它们对大量高质量数据依赖极大。这意味着AI系统必须能够从海量信息中提取有用的模式，并将这些模式转化为行动。然而，现实中遇到的挑战包括数据偏差、算法局限性以及计算资源限制，这些都可能影响到最终结果，从而使得一些AI系统无法达到预期目标。

应用场景考虑：

不同类型的人工智能适用于不同的应用场景。在医疗诊断、自主驾驶车辆等高风险领域，精确性至关重要。如果在这些领域采用不够成熟或训练不足以保证性能的人工智能，那么即使是经过培训，也很难被认为是“靠谱”的。而在诸如客户服务聊天机器人这样的非关键应用中，即使不是完美无缺，但如果能提供基本服务并节省成本，仍然可以被看作是一个有效且可行的人工智能解决方案。

持续进步与反馈循环：

任何形式的人工 intelligence都是基于当前知识和技术水平进行训练和优化的，因此随着时间推移，它们会不断地通过新数据、新算法来改善自己的表现。因此，对于那些持续更新并接受反馈修正的问题域来说，即便初始阶段未必完全满足“靠谱”的标准，但随着不断迭代，其性能也逐渐提升，最终达到了令人满意的地步。

伦理考量与合规要求：

AI系统不仅要具备功能上面的良好表现，还必须遵守相关法律规定，如隐私保护条例、私有财产权益保护等。此外，由于人工智慧存在潜在风险，如歧视性错误、安全漏洞等，因此开发者需格外注意这一方面，以避免引入新的社会问题，同时确保其使用不会违背道德规范，从而进一步增强其作为一个可信赖工具的地位。