“使用机器学习技术对大数据进行分析得出的研究结论中，有很多都无法获得我的信任。”美国莱斯大学贝勒医学院副教授基尼维拉·艾伦（Genevera Allen）在美国科学促进会年会上警告说。
“很多技术都是为了进行预测。”艾伦说，“但从来没有返回过‘我不知道’或者‘我没有发现任何东西’这样的结论，因为它们设计过程中就没有考虑这种情况。”
“有很多案例都无法重复。”艾伦说，“一项研究中发现的集群跟另外一项研究中发现的截然不同。为什么会出现这种情况？因为当今的多数机器学习技术都会说：‘我发现了一个群体。’但有的时候，如果换一种说法反而更有帮助，可以说：‘我认为其中一些确实是被分成一组，但我不确定另外一些。’”
艾伦说：“你总能找到理由来说明为什么某些基因被分成一组。”
艾伦和她的同事正在努力改进统计技术和机器学习技术，好让人工智能可以对自己的数据分析展开批判，并指出某些发现有多大概率是真实存在的，而非随即相关的。
“有一种想法是专门扰乱数据，看看结果是否会保持不变。”她说。
