科學在害怕問題的那一刻變得脆弱。

科學中更深層的問題並不是這些明顯的錯誤。 而是那些錯誤的理論和主張——建立在實驗工件、邏輯謬誤或過度誇大的解釋之上——然而它們在對話中存在多年或幾十年，因為它們發表在著名期刊上或由有影響力的權威人士聲稱，並且從未受到認真挑戰。 這些研究成為整個研究生態系統的基礎。 數千個資助獲得資金。 職業圍繞它們建立，包括高級行政職位。 大學花費數百萬招募基於這些敘事的人。 這就是可重複性危機所在——不是在容易檢測的圖像問題中，而是在那些持續塑造科學系統的有影響力的觀念中，儘管它們的基礎早該受到質疑。 這類因圖像問題而撤回的「抓住瞬間」事件是最容易檢測和糾正的問題之一。 它們通常出現在資源有限的較小期刊中，編輯和審稿資源有限，人們已經懷疑許多工作類似於論文工廠的產出，並相應地對待它。 AI 現在幾乎可以瞬間檢測到大多數這些問題。

目前我們擁有的生物數據並不足以支持。 生物化學部分已經解決。細胞生物學也接近完成。但生理學——實際上決定人類健康的層面——仍然映射得很差。 限制因素不是AI，而是數據的碎片化、學科的孤立，以及為AI設計的人類研究幾乎不存在。在這種情況下，AI無法取代生物學，它只能在其空白處進行插值。