Ciągle jednak pozostają pewne niewiadome; jak szybko zmniejsza się ilość leku i ile początkowo go było we krwi? Ten przykład nie jest więc modelem „białej skrzynki”, gdyż nieznane parametry muszą być wyznaczone w jakiś sposób, zanim model będzie mógł zostać użyty.
W modelach „czarnej skrzynki” należy wyznaczyć zarówno postać funkcji wiążącej wielkości w układzie, jak i wartości liczbowych parametrów tych funkcji. Nie posiadając wiedzy a priori próbuje się użyć funkcji możliwie ogólnych, by objąć nimi wszystkie modele. Często używanym sposobem na uzyskanie modelu „czarnej skrzynki” jest użycie sieci neuronowych, które nie zakładają niczego o nadchodzących do nich danych. Podstawowym problemem występującym przy używaniu zestawów wielu funkcji opisujących układ jest szybko wzrastający poziom trudności przy estymacji parametrów funkcji, gdy ilość tych parametrów wzrasta.
Złożoność Inną podstawową sprawą jest złożoność modelu. Zgodnie z zasadą Brzytwy Ockhama model powinien być na tyle prosty na ile to możliwe. Oznacza to, iż powinien wiernie odzwierciedlać dane zjawisko z niezbędną dokładnością.