Garbage in, garbage out!
資料科學最被詬病的就是餵了一堆垃圾訊息，最後還是得到垃圾訊息。
因此，能夠把垃圾變黃金，還有知道怎麼選有潛力變黃金的垃圾的人才，就顯得特別重要。課堂上聽到很多預測miRNA基因序列和模型，其實不是那麼準確，用不同網站模型去預測可能會得到不同結果，這可能是資料科學很接近但又不是那麼精準的地方（趨近），有趣的是，miRNA細胞裡面作用的機轉，造物主也沒有要求精準，大概對到幾個重要序列，他就會作用了，有點像我們考試記重點一樣，小錯沒關係，大方向要對。
看看今年的諾貝爾化學獎，也是應用人工智慧高度準確預測蛋白質模型，人工智慧跟資料科學和我們生活越來越密不可分，ChatGPT逐漸取代google成為學生另一個問問題的老師，唯一不變的是，如何分辨資訊的真偽虛實，一樣是使用者必須克服的功課。
當盒子越來越黑，分辨資訊的難度和門檻，可能就會越來越高，到時候誰來當正確「常識」的把關者呢？
