（来源：麻省理工科技评论）
好奇心驱动的研究长期以来一直是技术变革的火种。一个世纪前，对原子的好奇催生了量子力学，并最终孕育出现代计算核心的晶体管；反过来看，蒸汽机是一项实用的突破，但人们在热力学领域的基础研究才真正释放了它的全部潜力。
今天，AI 和科学正处于一个类似的转折点。当前的 AI 革命由数十年来数学和物理科学（MPS）领域的研究所推动，这些领域提供了具有挑战性的问题、数据集和洞见，使现代 AI 成为可能。2024 年的诺贝尔物理学奖和化学奖分别授予了根植于物理学的基础 AI 方法和用于蛋白质设计的 AI 应用，让这种关联变得不容忽视。
2025 年，MIT 举办了一场“AI+MPS 的未来”研讨会，由美国国家科学基金会资助，并得到 MIT 理学院以及物理系、化学系和数学系的支持。研讨会汇集了 AI 和科学领域的顶尖研究人员，共同规划 MPS 领域如何充分利用 AI 的未来发展，并为之做出贡献。目前，一份包含面向资助机构、学术机构和研究人员建议的白皮书已发表在《机器学习：科学与技术》（Machine Learning: Science and Technology）期刊上。在这次访谈中，MIT 物理学教授、研讨会主席杰西·塞勒（Jesse Thaler）介绍了核心主题，以及 MIT 如何在 AI 与科学领域建立领先地位。
问：关于去年这场汇聚数学和物理科学领域领导者的聚会，报告的核心主题是什么？
答：将如此多处于 AI 和科学前沿的研究者聚集在一个房间里，带来了很多启发。尽管研讨会的参与者来自五个不同的科学领域——天文学、化学、材料科学、数学和物理学——我们发现大家与 AI 的互动方式有许多相似之处。在热烈的讨论中形成了一个真正的共识：对计算和数据基础设施、跨学科研究方法以及严格训练体系的协调投入，能够切实推动 AI 和科学的共同发展
其中一个核心洞察是，这必须是一条双向道路。这件事的意义不止于用 AI 做更好的科学，科学同样可以让 AI 变得更好。科学家擅长从复杂系统中提炼洞见，包括从神经网络中发现底层原理和涌现行为。我们将其称为“AI 的科学”（science of AI），它包含三个层面：科学驱动 AI，即科学推理为基础性 AI 方法提供信息；科学启发 AI，即科学难题推动新算法的开发；科学解释 AI，即科学工具帮助揭示机器智能的实际运作方式。
以我自己所在的粒子物理领域为例，研究人员正在开发实时 AI 算法来处理对撞机实验产生的海量数据。这项工作对发现新物理有直接意义，但这些算法本身在我们领域之外同样展现出了巨大价值。研讨会明确表明，“AI 的科学”应当成为学术界的优先事项，它有潜力改变我们理解、开发和控制 AI 系统的方式。
当然，在科学与 AI 之间架起桥梁需要能够跨越两个世界的人才。与会者一致强调了对“半人马科学家”（centaur scientists）的需求，即具备真正跨学科专长的研究者。在每一个职业阶段支持这些通才型人才，从一体化的本科课程到跨学科博士项目再到联合教职聘任，被认为是至关重要的。
问：MIT 在 AI 与科学方面的工作与研讨会的建议有哪些契合之处？
答：研讨会围绕三大支柱构建其建议：研究、人才和社群。作为美国国家科学基金会“AI 与基本相互作用研究所”（IAIFI）的所长，这是 MIT 与哈佛大学、东北大学和塔夫茨大学合作的 AI 与物理学项目，我亲身体会到这一框架的有效性。将其放大到 MIT 的层面来看，我们可以看到哪些方面已经取得进展，哪些方面还有机会。
在研究方面，MIT 已经在双向推动 AI 与科学的融合。即使快速浏览一下 MIT News，也能看到理学院各领域的研究者正在推进 AI 驱动的项目，形成了知识储备的通道，不断涌现新的机会。与此同时，IAIFI 和“数据驱动发现的加速 AI 算法”（A3D3）研究所等协作项目汇聚了跨学科的力量，产生了更大的影响。MIT 生成式 AI 影响力联盟也在大学层面支持以应用为导向的 AI 研究工作。
在培养早期职业阶段的 AI 与科学人才方面，多项举措正在训练下一代“半人马科学家”。MIT 苏世民计算学院的“计算教育共同基础”项目帮助学生在计算科学和自身所在学科之间实现“双语”能力。跨学科博士路径也在获得更多认可；IAIFI 与 MIT 数据、系统与社会研究所合作创建了一个涵盖物理学、统计学和数据科学的博士项目，目前约有 10% 的物理学博士生选择了这条路径，这一比例预计还会增长。IAIFI Fellowship 和 Tayebati Fellowship 等专设博士后岗位为早期职业研究者提供了追求跨学科工作的自由空间。为“半人马科学家”提供资助，给他们空间去建立跨领域、跨院校、跨职业阶段的联系，已经产生了深远的影响。
最后，社群建设将所有环节串联在一起。从小型专题研讨会到大型学术论坛，组织跨学科活动传递出一个信号：AI 与科学的交叉研究不是各自为战，而是一个正在兴起的领域。MIT 拥有在这一领域产生重大影响的人才和资源，在不同规模上举办这些学术活动有助于确立这种领导地位。
问：MIT 在进一步推进 AI 与科学融合方面可以汲取哪些经验？
答：研讨会明确了一件重要的事情：在 AI 与科学领域引领潮流的机构，将是那些进行系统性思考而非零敲碎打的机构。资源是有限的，因此优先级至关重要。与会者清楚地表达了一个观点：当一个机构围绕一套连贯的战略来协调人才招聘、研究布局和培训体系时，可以释放出怎样的潜力。
MIT 有条件在已有工作的基础上推出更多结构性举措，包括跨计算与科学领域的联合教职、扩大跨学科学位路径，以及有意识地为“AI 的科学”提供资金支持。我们已经看到了这个方向上的动作：今年，MIT 苏世民计算学院和物理系正在进行有史以来第一次联合教职招聘，这是一个令人振奋的进展。
AI 与科学的良性循环有潜力带来真正的变革，能够深化对 AI 的理解、加速科学发现，并为两者提供强健的工具。通过制定有意识的战略，MIT 将在 AI 发展的下一波浪潮中占据有利位置，并从中受益。
https://news.mit.edu/2026/3-questions-future-of-ai-and-mathematical-physical-sciences-0311
