一位以鈍器評估而聞名的理論物理學(xué)家說，物理學(xué)家避免使用“人工智能”一詞：

……不僅因為它有點夸大其詞，而且因為對自然情報的類比充其量只是表面上的，而在最壞的情況下會引起誤解。沒錯，目前的模型大致是基于人腦的結(jié)構(gòu)…

這種類型的迭代學(xué)習(xí)當(dāng)然是智能的一個方面，但是卻有很多不足。當(dāng)前的算法嚴(yán)重依賴人類來提供合適的輸入數(shù)據(jù)。他們沒有制定自己的目標(biāo)。他們沒有提出模型。就物理學(xué)家而言，它們是精確的數(shù)據(jù)擬合和外推方法。

她很快補(bǔ)充說，新的AI技術(shù)并沒有像2008年所預(yù)言的那樣預(yù)示著理論的終結(jié)，它可以為物理學(xué)家?guī)砭薮蟮膸椭?ldquo;總之，機(jī)器學(xué)習(xí)突然可以使物理學(xué)家解決許多問題以前是棘手的，僅僅是因為計算量很大。”

薩賓·霍森菲爾德(Sabine Hossenfelder)(左上)的一個例子是對來自外層空間的大量圖像進(jìn)行分析，以便發(fā)現(xiàn)黑洞?？梢詸z測到它們的原因是它們繞著它們周圍的時空移動，但很少有像2017年這樣的發(fā)現(xiàn)如此巨大的，它比太陽大8億倍。許多黑洞很小，并且信號通常很微弱。找到它們只是一臺機(jī)器的工作。

科學(xué)家的角色會改變嗎?費(fèi)米實驗室的天體物理學(xué)家布萊恩·諾德(Brian Nord)沒有任何強(qiáng)烈的懷舊之情，回想起他在博士后時代的經(jīng)歷，當(dāng)時“我們的團(tuán)隊每人要花費(fèi)數(shù)十個小時在廣闊的天空中搜尋，通常是通過眼睛來識別鏡片”。對于人工智能帶來的未來變化，他建議，

就像我們剛開始使用計算機(jī)時一樣。那件事發(fā)生在我的時間之前，但是當(dāng)科學(xué)家習(xí)慣于獲取論文時，他們將不得不弄清楚如何從地塊中獲取數(shù)據(jù)?，F(xiàn)在我們可以將圖形下載到我們的計算機(jī)上并以數(shù)字方式提取數(shù)據(jù)。

人工智能將做類似的事情?？茖W(xué)家仍然有工作要做，但這是不同的工作。分類圖像等任務(wù)將被抽象掉。也許我們更多的時間會花在假設(shè)的產(chǎn)生上，因為這對于AI來說很難。我們許多人還需要學(xué)習(xí)這些算法的工作原理，以便我們能夠解釋結(jié)果。