好奇心驱动的基础研究，一直是技术变革的深层动力。大约一个世纪前，人们出于对原子结构的纯粹好奇，发展出量子力学，最终催生了现代计算核心器件——晶体管。与此相对，蒸汽机虽然是直接面向应用的工程突破，但要真正高效利用其能量，则离不开随后建立起来的热力学理论体系。
如今，人工智能与科学的关系正走到一个类似的关键节点。当前的人工智能浪潮，深深植根于数学与物理科学（MPS）数十年的积累：这些领域提供了难度极高的科学问题、丰富的数据资源和深刻的理论洞见，使现代人工智能技术得以诞生和发展。2024 年诺贝尔物理学奖和化学奖，分别表彰了源自物理学的基础人工智能方法，以及这些方法在蛋白质设计中的应用，这种紧密联系已经非常清晰。
2025 年，麻省理工学院举办了“人工智能与数学及物理科学的未来”研讨会。该活动由美国国家科学基金会资助，并得到麻省理工学院科学学院以及物理、化学、数学系的支持。研讨会汇聚了人工智能与各学科前沿的顶尖研究者，目标是共同思考：数学与物理科学如何最大化利用人工智能，同时又如何为人工智能的未来发展作出贡献。研讨会成果已整理成一份白皮书，面向资助机构、科研组织和研究人员提出建议，并发表在《机器学习：科学与技术》期刊上。在这次采访中，麻省理工学院物理学教授、研讨会主席杰西·塞勒（Jesse Thaler）介绍了研讨会的主要观点，以及麻省理工如何定位自身，在人工智能与科学交汇处发挥引领作用。
研讨会的核心共识：人工智能与科学必须双向赋能
当来自天文学、化学、材料科学、数学和物理等五个不同社群的研究者齐聚一堂，讨论人工智能与科学的交汇时，一个明显的感受是：尽管学科背景各异，但大家在使用和思考人工智能的方式上有许多共通之处。经过充分讨论，与会者逐渐形成共识：如果能在计算与数据基础设施、跨学科研究模式以及系统化人才培养上进行协调投入，将能显著加速人工智能与科学的共同进步。
其中一个关键认识是：这种关系必须是双向的。人工智能不仅是提升科学研究效率和能力的工具，科学本身也可以深刻推动人工智能的发展。科学家擅长从复杂系统中提炼规律和洞见，这种能力同样适用于理解神经网络的基本原理和涌现行为。研讨会将这一方向统称为“人工智能科学”，并将其拆分为三种互相关联的形式：
- 科学驱动人工智能：用科学推理和理论框架来指导基础人工智能方法的设计与改进。
- 科学启发人工智能：由科学中的难题和极端场景激发新的算法和模型架构。
- 科学解释人工智能：借助科学工具和分析方法，揭示机器智能系统实际是如何工作的。
以塞勒所在的粒子物理为例，对撞机实验会产生海量数据，研究人员正在开发实时人工智能算法来处理这股数据洪流。这些算法直接关系到能否在实验中发现“新物理”，但其价值远不止于粒子物理本身，还可以迁移到其他需要高速决策和筛选的领域。研讨会认为，“人工智能科学”应被视为整个社区的优先方向，它有潜力改变我们理解、设计和控制人工智能系统的方式。
当然，要真正打通科学与人工智能之间的通道，需要一批能够在两边自如穿梭的人才。与会者反复强调，需要培养所谓的“半人马科学家”——既具备扎实学科背景，又掌握前沿计算与人工智能方法的跨界研究者。要支持这类复合型人才在不同职业阶段成长，从综合性的本科课程，到跨学科博士项目，再到联合教职岗位，都需要有相应的制度和资源安排。
麻省理工的实践：研究、人才与社区三大支柱
研讨会围绕“研究、人才、社区”三大支柱提出了具体建议。作为国家科学基金会“人工智能与基础相互作用研究所”（IAIFI）的主任——这一项目由麻省理工、哈佛大学、东北大学和塔夫茨大学共同参与，聚焦人工智能与物理的交叉——塞勒表示，他已经在 IAIFI 的实践中看到了这一框架的有效性。将同样的思路推广到整个麻省理工，可以清楚地看到已有的进展与未来的机会。
在研究层面，麻省理工已经在双向推动人工智能与科学的结合。只要简单浏览一下《麻省理工新闻》，就能发现科学学院的研究者正在开展大量人工智能驱动的项目，既在构建新的知识管道，也在开辟新的研究方向。同时，IAIFI 以及“加速数据驱动发现的人工智能算法”（A3D3）研究所等合作平台，正在集中跨学科力量，争取在关键问题上形成更大的合力。麻省理工生成式人工智能影响联盟，则在全校范围内支持以应用为导向的人工智能研究。
在人才培养方面, 多个项目正在着力训练下一代“半人马科学家”。麻省理工施瓦茨曼计算学院发起的“计算教育共识项目”，帮助学生在计算与本专业学科之间建立“双语能力”。跨学科博士路径也愈发受到欢迎：IAIFI 与麻省理工数据、系统与社会研究所合作，开设了“物理、统计与数据科学”博士路径，目前约有 10% 的物理学博士生选择这一方向，而且人数还有继续上升的趋势。与此同时，IAIFI 奖学金和 Tayebati 奖学金等专门的博士后岗位，为早期研究者提供了相对自由的空间去探索跨学科课题。事实表明，当这些“半人马科学家”获得稳定资助，并有机会在不同学科、不同高校和不同职业阶段之间建立联系时，往往能产生颇具变革性的成果。
在社区建设方面，跨学科的学术生态是把一切串联起来的关键。从小规模专题研讨会到大型学术会议，有意识地组织跨领域活动，可以向内外部清晰传达一个信号：人工智能与科学不是若干零散项目，而是一门正在成形的新领域。麻省理工拥有丰富的人才储备和科研资源，通过多层次的学术聚会与合作机制，有望在这一领域确立并巩固自身的领导地位。
面向未来：系统性布局，而非零散尝试
研讨会传递出的一个重要教训是：在人工智能与科学交叉领域真正走在前列的机构，往往不是做了最多“单点项目”的机构，而是那些能够进行系统性思考和整体规划的机构。资源总是有限的，因此明确优先级、形成统一战略尤为关键。与会者指出，当一个机构能在统一愿景下协调招聘、研究方向和人才培养时，其整体成效会远超各部分简单相加。
对麻省理工而言，现有基础已经相当扎实，下一步可以通过更多结构性举措来放大影响力，例如：在计算与各科学科之间设立更多联合教职岗位，扩展跨学科的学位路径，以及设立针对“人工智能科学”的专项资助计划。目前已经出现了一些积极信号：今年，施瓦茨曼计算学院与物理系首次联合开展教职招聘，就是一个值得关注的进展。
从长远看，人工智能与科学之间存在巨大的良性循环潜力：一方面，科学可以帮助我们更深刻地理解人工智能的本质与局限；另一方面，人工智能可以显著加速科学发现的进程，并为科学研究提供前所未有的工具。通过制定清晰而有前瞻性的战略布局，麻省理工有望在下一波人工智能浪潮中，既成为推动者，也成为重要的受益者。
本文经麻省理工新闻（web.mit.edu/newsoffice/）授权转载。该网站专注报道麻省理工在研究、创新与教学方面的最新进展。
