L'intelligence artificielle est désormais largement répandue dans le domaine de la recherche scientifique, mais l'utilisation de modèles d'apprentissage automatique peut conduire à des résultats erronés ou trompeurs. Des chercheurs de l'Université de Californie à Berkeley ont proposé une technique statistique appelée « inférence pilotée par la prédiction » (IPP) pour valider les hypothèses scientifiques.
La technique IPP permet de corriger les sorties de grands modèles généraux, afin de les adapter à des problèmes scientifiques spécifiques, et ce sans connaître la nature des erreurs du modèle, évitant ainsi les biais de l'apprentissage automatique. Cette technique n'est pas seulement applicable à la prédiction de structures protéiques, mais aussi à de nombreux autres domaines de recherche, comme l'estimation de la déforestation en Amazonie. Elle est en passe de devenir un élément essentiel de la science moderne, caractérisée par son intensité de données, son recours important aux modèles et sa nature collaborative.
