然而，如果人们要真正意识到人工智能技术带来的可能性，则必须确保这一新研究工具能够以有意义的方式表达出来，无论是在简报阶段还是在应用工具本身。
在技术迅速成熟的今天，人们已经拥有一些“智能”的计算机大脑。人工智能的功能最初通常只应用在游戏和比较简单的聊天机器人等领域，当时很多人对在科学领域中使用这些技术的前景持怀疑态度。然而其发展进步的速度如此之快，这些技术很快就从有助于完成一些更普通的任务变成了推动洞察力和创新的极其强大的工具。这也许可以解释在实际应用这些工具时人们存在知识差距的原因。
例如，从文本和数据挖掘的角度来看，采用人工智能技术的好处是显而易见的：通过部署人工智能系统，只需很少的时间检查数以万计的各类学科的科学论文，可以找出进一步研究的线索，消除浪费资源的途径。它将为研究团队提供一个很好的开端，帮助他们找到正在寻找的答案或线索，甚至快速提供见解从而实现成本节约。
从技术角度来看，人们应该对如何部署这些工具以及获得所需答案所需的编程有很好的了解。如果不知道会得到什么，那么如何编写文本和数据挖掘业务案例?对于许多人来说，文本和数据挖掘无非是一种成本高昂的信念上的飞跃。
与任何研究项目一样，重要的是要记住研究并没有任何保证。当要求人类而不是计算机去做某事时也是如此。有一些基本原则可以帮助缩小搜索范围，但是不能保证所得到的答案就是想要的答案，而计算机只是更快地找到答案。
理解并拥护这种心态是克服加速采用数字技术的一个主要障碍的关键。
另外还存在一个主要障碍——编写摘要。多年来，计算机科学家一直奉行“垃圾进，垃圾出”(GIGO)的理念，这有着充分理由的。只有提出正确的问题，才有可能获得所需的答案。同样重要的是，要对正确的数据提出正确的问题，而获得更高质量的原始资料，就越有可能找到需要的答案。
这本身就是一个基本的科学原则，因此强调了不要过度思考编写简报过程的重要性，但是，需要获得既懂科学语言又懂计算机的工作人员的帮助来充实简报，这样不仅可以从数字的角度改进项目的结果，而且可以为研究团队提供强大的框架，他们将了解文本和数据挖掘项目所揭示的线索。
随着时间的推移，这个过程可能会变得更加精细，并使这些数字技术和科学原理之间的融合程度进一步提高，从而帮助人们真正挖掘人工智能和机器学习的巨大潜力。
