好奇心驱动的研究长期以来一直推动着技术变革。一个世纪前，对原子的好奇心催生了量子力学，最终诞生了现代计算机核心的晶体管。反过来，蒸汽机虽然是一项实用突破，但只有通过热力学的基础研究才能充分发挥其威力。

如今，人工智能与科学研究正处于类似的转折点。当前的AI革命得益于数理科学（MPS）几十年的研究积累，这些研究提供了挑战性问题、数据集和洞察，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植根于物理学的基础AI方法和AI在蛋白质设计中的应用，这种联系变得不容忽视。

2025年，麻省理工学院举办了"AI+数理科学未来"研讨会，由美国国家科学基金会资助，并得到MIT理学院以及物理学、化学和数学系的支持。研讨会汇集了AI和科学研究的领军人物，共同探讨数理科学领域如何最好地利用并促进AI的未来发展。现在，一份包含对资助机构、院校和研究人员建议的白皮书已发表在《机器学习：科学与技术》期刊上。在这次采访中，MIT物理学教授、研讨会主席杰西·塞勒描述了关键主题以及MIT如何在AI与科学领域确立领导地位。

问：关于去年数理科学领域领导者的聚会，报告的关键主题是什么？

答：能够将如此多的AI和科学前沿研究人员聚集在一个房间里是很有启发性的。虽然研讨会参与者来自五个不同的科学社区——天文学、化学、材料科学、数学和物理学——但我们发现各自与AI合作的方式有很多相似之处。在我们热烈的讨论中出现了真正的共识：在计算和数据基础设施、跨学科研究技术和严格培训方面的协调投资能够有意义地推进AI和科学的发展。

核心洞察之一是这必须是双向的。不仅要利用AI来改进科学研究，科学也能让AI变得更好。科学家擅长通过揭示潜在原理和涌现行为，从复杂系统（包括神经网络）中提炼见解。我们称之为"AI科学"，它有三种形式：科学驱动AI，即科学推理为基础AI方法提供信息；科学启发AI，即科学挑战推动新算法的发展；科学解释AI，即科学工具帮助阐明机器智能的实际工作原理。

以我所在的粒子物理学领域为例，研究人员正在开发实时AI算法来处理对撞机实验产生的数据洪流。这项工作对发现新物理学具有直接意义，但算法本身在我们领域之外也证明是有价值的。研讨会明确表明，AI科学应该成为社区优先考虑的事项——它有可能改变我们理解、开发和控制AI系统的方式。

当然，连接科学和AI需要能够在两个世界中工作的人才。与会者一致强调需要"人马座科学家"——具有真正跨学科专业知识的研究人员。在每个职业阶段支持这些博学者，从综合本科课程到跨学科博士项目再到联合教职招聘，都被认为是必不可少的。

问：MIT的AI和科学工作如何与研讨会建议保持一致？

答：研讨会围绕三个支柱制定建议：研究、人才和社区。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——这是MIT、哈佛、东北大学和塔夫茨大学之间的AI和物理学合作项目——我亲眼见证了这个框架的有效性。将其扩展到MIT，我们可以看到哪里正在取得进展，哪里存在机会。

在研究方面，MIT已经在两个方向上推动AI和科学工作。即使快速浏览MIT新闻也能看到理学院的个人研究者如何开展AI驱动项目，建立知识管道并发现新机会。同时，像IAIFI和数据驱动发现加速AI算法（A3D3）研究所这样的合作努力集中了跨学科能量以产生更大影响。MIT生成式AI影响联盟也在大学规模上支持应用驱动的AI工作。

为了培养早期职业的AI和科学人才，几个倡议正在培训下一代人马座科学家。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和他们的本专业之间成为"双语"人才。跨学科博士途径也在获得关注；IAIFI与MIT数据、系统和社会研究所合作创建了物理学、统计学和数据科学的跨学科项目，约10%的物理学博士生现在选择这个项目——这个数字可能会增长。像IAIFI奖学金和塔耶巴蒂奖学金这样的专门博士后职位给早期职业研究人员自由从事跨学科工作。资助人马座科学家并给他们空间在领域、大学和职业阶段之间建立联系已经是变革性的。

最后，社区建设将一切联系在一起。从专门研讨会到大型研讨会，组织跨学科活动表明AI和科学不是孤立的工作——而是一个新兴领域。MIT拥有产生重大影响的人才和资源，在多个层面主办这些聚会有助于确立这种领导地位。

问：MIT在进一步推进其AI和科学工作方面可以汲取什么教训？

答：研讨会明确了重要一点：在AI和科学方面领先的机构将是那些系统性而非零碎思考的机构。资源是有限的，所以优先级很重要。研讨会与会者明确表示，当一个机构围绕连贯战略协调招聘、研究和培训时，会有什么样的可能性。

MIT有很好的条件在已有基础上通过更多结构性倡议来建设——跨计算和科学领域的联合教职岗位、扩大的跨学科学位途径和有意识的"AI科学"资助。我们已经看到这个方向的行动；今年，MIT施瓦茨曼计算学院和物理系正在进行他们历史上第一次联合教职搜索，这令人兴奋。

AI和科学的良性循环有可能真正具有变革性——为AI提供更深入的洞察，加速科学发现，并为两者产生强大的工具。通过制定有意识的战略，MIT将在即将到来的AI浪潮中处于良好的领导和受益地位。

Q&A

Q1：什么是"人马座科学家"？

A：人马座科学家指的是具有真正跨学科专业知识的研究人员，能够在AI和科学两个领域中工作。他们需要在每个职业阶段都得到支持，从综合本科课程到跨学科博士项目再到联合教职招聘。

Q2：AI科学的三种形式分别是什么？

A：AI科学有三种形式：科学驱动AI，即科学推理为基础AI方法提供信息；科学启发AI，即科学挑战推动新算法的发展；科学解释AI，即科学工具帮助阐明机器智能的实际工作原理。

Q3：MIT在AI和科学融合方面采取了哪些具体措施？

A：MIT建立了IAIFI研究所进行AI和物理学合作，推出了计算教育共同基础项目培养跨学科人才，创建了物理学、统计学和数据科学的跨学科博士途径，还设立了专门的博士后奖学金项目。