人工智能已广泛渗透到科学研究领域，但机器学习模型的应用可能导致误导性或错误结果。加州大学伯克利分校的研究人员提出了一种名为“预测驱动推断”（PPI）的统计技术，用于验证科学假设。PPI技术能够在不了解模型错误性质的情况下，纠正大型通用模型的输出，以适应特定科学问题，从而避免机器学习偏见。这一技术不仅适用于蛋白质结构预测，还可用于亚马逊雨林砍伐估算等多个研究领域，成为现代数据密集、模型密集和合作科学的必需组成部分。