一位以钝器评估闻名的理论物理学家说，物理学家避免使用“人工智能”这个术语：

……不仅因为有点夸张，还因为对自然智能的类比往好里说是肤浅的，往坏里说会引起误解。是的，目前的模型大致基于人脑的结构…

这种类型的迭代学习当然是智能的一个方面，但它有许多缺点。当前的算法严重依赖人类来提供适当的输入数据。他们没有设定自己的目标。他们没有提出一个模型。就物理学家而言，是精确的数据拟合和外推方法。

她很快补充说，新的人工智能技术并没有像2008年预测的那样预示着理论的终结，它可以给物理学家带来巨大的帮助：“简而言之，机器学习可以突然使物理学家解决许多问题，这些问题过去只是因为计算量巨大而变得棘手。”

Sabine Hossenfelder(左上)的一个例子是为了寻找黑洞而对大量来自外太空的图像进行分析。之所以能被探测到，是因为它们围绕着周围的时空运动，但很少有像2017这样的发现如此巨大，比太阳大8亿倍。许多黑洞很小，信号通常很弱。找到它们只是机器的工作。

科学家的角色会改变吗？费米实验室的天体物理学家布莱恩诺德(Brian Nord)没有任何强烈的怀旧情绪，回忆起自己博士后时的经历，当时“我们每个团队都花了几十个小时在浩瀚的天空中搜索，通常是靠眼睛来识别镜片”。对于人工智能带来的未来变化，他建议，

就像我们刚开始使用电脑时一样。这发生在我的时代之前，但是当科学家习惯于获得论文时，他们将不得不找出如何从图中获得数据。现在我们可以将图形下载到电脑上，并以数字方式提取数据。

人工智能也会做类似的事情。科学家仍有工作要做，但这是一项不同的工作。诸如图像分类的任务将被抽象化。也许我们会花更多的时间在假设生成上，因为这对AI来说很难。我们中的许多人还需要了解这些算法是如何工作的，以便我们能够解释这些结果。