عمل مثير للاهتمام حول كيفية استجابة البحث التجريبي لعصر الذكاء الاصطناعي. يأتي الاختبار الإحصائي التقليدي باستخدام قيم p من عالم كان يعتقد فيه أن كل اختبار مكلف جدا. الذكاء الاصطناعي الآن يجعل كل اختبار مجانيا تقريبا. بعض النقاط الرئيسية من الخلاصة: --"نثبت أن الفحص ينهار مع تحسن الاختبار ما لم يتدرج عدد فحوصات المتانة المطلوب خطيا على الأقل في التكلفة العكسية لكل اختبار" --"نجادل بضرورة تطوير طرق لتفسير مجموعات من مواصفات متعددة في آن واحد" نعم! ما زلت لا أعرف بالضبط كيف سيبدو هذا ويشعر به، لكنه واضح ما هو مطلوب. ويجب أن يقطع في كلا الاتجاهين: (1) التقاط وإيقاف نتائج البحث المختارة بعناية ولكن بنفس الأهمية: (2) اكتشاف ومكافأة النتائج الجيدة. الرقم 2 هنا قد يكون أصعب في بعض النواحي. يبدو أن كل حدسنا يدور حول إظهار أن الاكتشاف "أقل متانة" مما كنا نظن، والمطالبة بإحساس زائف بالكمال من النتائج المنشورة. عندما نرى مجموعة النتائج كاملة، نحتاج إلى إيجاد الطريقة الصحيحة لنكون أكثر تكريما وواقعية فيما يعتبر معلومات مفيدة.