好奇心驱动的研究历来是技术变革的源泉。一个世纪前，人们对原子的好奇催生了量子力学，最终推动了现代计算核心——晶体管的诞生。反过来，蒸汽机虽然是实用的突破，但要充分发挥其威力，则依赖于热力学的基础研究。

如今，人工智能与科学正处于类似的关键转折点。当前的人工智能革命得益于数学与物理科学（MPS）数十年的研究积累，这些领域提供了复杂问题、数据集和洞见，使现代AI成为可能。2024年诺贝尔物理学奖和化学奖分别表彰了基于物理学的基础AI方法及AI在蛋白质设计中的应用，彰显了两者间不可忽视的联系。

2025年，麻省理工学院举办了由国家科学基金会资助、MIT科学学院及物理、化学、数学系支持的“AI与数学物理科学未来研讨会”。该研讨会汇聚了顶尖AI与科学研究者，探讨数学物理科学领域如何最大化利用并贡献于AI的未来。相关白皮书现已发表于《Machine Learning: Science and Technology》，为资助机构、科研机构和研究者提供建议。在本次访谈中，MIT物理学教授兼研讨会主席Jesse Thaler分享了会议的核心主题及MIT在AI与科学领域的领先布局。

**问：**关于去年数学物理科学领域领导者聚会，报告有哪些关键主题？

**答：**汇聚众多AI与科学前沿研究者同场交流非常启发人心。尽管参与者来自天文学、化学、材料科学、数学和物理五个不同学科，我们发现大家在AI的应用与探索上有许多共通点。讨论中达成共识：协调投资计算与数据基础设施、跨学科研究方法及严谨培训，将显著推动AI与科学的双向发展。

一个核心观点是，这必须是双向互动。AI不仅能助力科学研究，科学同样能促进AI进步。科学家擅长从复杂系统中提炼洞见，包括揭示神经网络的基本原理与涌现行为。我们称之为“AI科学”，涵盖三方面：科学驱动AI（科学推理指导基础AI方法）、科学启发AI（科学挑战推动新算法开发）和科学解释AI（科学工具揭示机器智能的工作机制）。

以粒子物理为例，研究者正在开发实时AI算法处理对撞机实验产生的数据洪流，这不仅对发现新物理现象至关重要，相关算法也在其他领域展现出广泛价值。研讨会强调，AI科学应成为社区重点，它有潜力彻底改变我们理解、开发和控制AI系统的方式。

当然，连接科学与AI需要具备跨界能力的人才。与会者普遍强调培养“半人马科学家”——具备真正跨学科专长的研究者。支持这类多面手人才从本科教育、跨学科博士项目到联合教职招聘，都是关键举措。

**问：**MIT的AI与科学工作如何契合研讨会建议？

**答：**研讨会围绕研究、人才和社区三大支柱提出建议。作为国家科学基金会人工智能与基础相互作用研究所（IAIFI）主任，我亲眼见证了这一框架的有效性。将其推广到MIT，我们可以清晰看到进展与机遇。

在研究方面，MIT已推动AI与科学的双向融合。浏览MIT新闻即可见众多科学学院研究者开展AI驱动项目，积累知识并发现新机会。同时，IAIFI和加速数据驱动发现的AI算法研究所（A3D3）等合作项目汇聚跨学科力量，提升影响力。MIT生成式AI影响联盟也支持全校范围的应用驱动AI研究。

为培养早期AI与科学人才，多个项目致力于培养下一代“半人马科学家”。MIT施瓦茨曼计算学院的“计算教育共同基础”项目帮助学生在计算与本学科间实现“语言双通”。跨学科博士路径逐渐普及，IAIFI与MIT数据、系统与社会研究所合作开设物理、统计与数据科学方向，约10%的物理博士生选择该路径，且人数持续增长。专门的博士后职位如IAIFI奖学金和Tayebati奖学金为早期研究者提供跨学科自由探索空间。支持“半人马科学家”并促进跨领域、跨校及不同职业阶段的联系，已带来显著变革。

最后，社区建设将各方面紧密结合。无论是专题研讨会还是大型学术会议，组织跨学科活动彰显AI与科学的融合不是孤立工作，而是新兴领域。MIT拥有人才与资源优势，举办多层次活动有助于确立领导地位。

**问：**MIT在进一步推进AI与科学工作方面有哪些启示？

**答：**研讨会明确指出，领先的机构将是那些系统性思考而非零散应对的机构。资源有限，优先级至关重要。与会者一致认为，协调招聘、研究与培训的整体战略能激发巨大潜力。

MIT具备良好基础，可通过更具结构性的举措深化发展——如计算与科学领域联合教职、扩展跨学科学位项目、以及专门支持“AI科学”的资金。今年，施瓦茨曼计算学院与物理系首次联合开展教职招聘，正是积极信号。

AI与科学的良性循环潜力巨大——深化对AI的理解、加速科学发现、打造强大工具。通过制定有意图的战略，MIT将处于引领并受益于未来AI浪潮的有利位置。