教育新闻网一位以钝器评估而闻名的理论物理学家说，物理学家避免使用“人工智能”一词：
……不仅因为它有点夸大其词，而且因为对自然情报的类比充其量只是表面上的，而在最坏的情况下会引起误解。没错，目前的模型大致是基于人脑的结构…
这种类型的迭代学习当然是智能的一个方面，但是却有很多不足。当前的算法严重依赖人类来提供合适的输入数据。他们没有制定自己的目标。他们没有提出模型。就物理学家而言，它们是精确的数据拟合和外推方法。
她很快补充说，新的AI技术并没有像2008年所预言的那样预示着理论的终结，它可以为物理学家带来巨大的帮助：“总之，机器学习突然可以使物理学家解决许多问题以前是棘手的，仅仅是因为计算量很大。”
萨宾·霍森菲尔德(Sabine Hossenfelder)(左上)的一个例子是对来自外层空间的大量图像进行分析，以便发现黑洞。可以检测到它们的原因是它们绕着它们周围的时空移动，但很少有像2017年这样的发现如此巨大的，它比太阳大8亿倍。许多黑洞很小，并且信号通常很微弱。找到它们只是一台机器的工作。
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之情，回想起他在博士后时代的经历，当时“我们的团队每人要花费数十个小时在广阔的天空中搜寻，通常是通过眼睛来识别镜片”。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计算机时一样。那件事发生在我的时间之前，但是当科学家习惯于获取论文时，他们将不得不弄清楚如何从地块中获取数据。现在我们可以将图形下载到我们的计算机上并以数字方式提取数据。
人工智能将做类似的事情。科学家仍然有工作要做，但这是不同的工作。分类图像等任务将被抽象掉。也许我们更多的时间会花在假设的产生上，因为这对于AI来说很难。我们许多人还需要学习这些算法的工作原理，以便我们能够解释结果。
