在过去的十年中，机器学习的前景（ML）在CERN的大型强子集合体中采用了基于ML的基于ML的方法，用于对粒子碰撞事件的重要性（Duarte等，2018）和DeepMind进行排序（Duarte et al。氨基酸序列数据的第四纪蛋白结构有效地解决了生物学最复杂和持久的开放问题之一。在公共生活的所有领域，尤其是科学领域的学习吸收的速度和无处不在，引发了人们对其性质及其广泛使用的下游后果的猜测。从文化评论员，记者和媒体人物发出了这种猜测，这些研究人员和工程师生产了ML的工具以及在学术和流行场所中部署它们以及哲学家的科学家的工具。的回答着重于ML的认知状况及其对科学的预测影响，已经回应了机器学习的效果，即机器学习与普遍的建模，统计或科学疾病截然不同，这些陈述预计被预计以改变科学发现或科学企业的认知果实的性质的方式，这些陈述被预计。