在生物學中，縮放法則有效…… ……直到它們不再有效。 對於健身預測，蛋白質語言模型的性能隨著模型大小的增加而提高，直到達到平臺，然後開始下降。 隨著訓練損失（NLL）的降低，模型開始預測更高的序列可能性，並與潛在的健身相關性降低。 這是為什麼生物學中的人工智慧需要仔細考慮潛在分佈、訓練目標和其他數十個細節的第10,001個例子。 這兩個學科的交集非常豐富，但需要在兩者之間進行仔細的工作。

哥倫比亞大學的沈實驗室展現了出色的偵探工作：