人工智能与数学及物理科学正迎来重要转折。当前AI革命受益于数十年MPS领域研究，这些研究提供了关键问题、数据和洞见，推动现代AI技术发展。2024年诺贝尔物理学奖和化学奖也认可了基于物理学的基础AI方法及蛋白质设计应用，凸显了这一紧密联系。

2025年，麻省理工学院主办了“人工智能+MPS未来研讨会”，由美国国家科学基金会资助，并得到麻省理工学院理学院及多个系所支持。会议汇集顶尖研究者，共同规划如何利用AI并为其贡献。一份白皮书已在《机器学习：科学与技术》杂志发表，为资助机构、研究者和机构提供建议。麻省理工学院物理学教授、研讨会主席杰西·泰勒在采访中描述了关键主题。

泰勒指出：“将前沿研究者聚集在一起，形成了明确共识：协调投资于计算和数据基础设施、跨学科研究技术和严格培训，能显著推动人工智能和科学进步。”研讨会参与者来自天文学、化学、材料科学、数学和物理学等领域，在AI互动方式上发现许多相似之处。

核心见解是这必须是一条双向道路。泰勒解释：“不仅仅是利用人工智能来做更好的科学；科学也可以让人工智能变得更好。我们称之为‘人工智能的科学’，包括科学驱动AI、科学启发AI和科学解释AI三种形式。”例如，在粒子物理学中，研究者开发实时AI算法处理对撞机数据，这对发现新物理学有直接影响，算法价值也超越该领域。

连接科学和AI需要跨学科人才。与会者强调“半人马科学家”的需求——拥有真正跨学科专业知识的研究者。支持这些人在各个职业阶段，从本科课程到博士项目再到教职招聘，至关重要。

研讨会建议围绕研究、人才和社区三个支柱构建。泰勒作为IAIFI主任，指出麻省理工学院已在促进双向工作。研究方面，学院推动AI驱动项目，如IAIFI和A3D3等合作努力集中跨学科能量。人才方面，施瓦茨曼计算学院的“计算教育共同基础”项目帮助学生成为计算和本学科的“双语者”，跨学科博士途径也日益受到关注。社区建设通过跨学科活动将一切联系起来。

泰勒总结：“在人工智能和科学领域领先的机构将是那些系统思考而非零散行动的机构。麻省理工学院有良好基础，可通过联合教职岗位、扩展学位途径和针对性资助来推进。人工智能和科学的良性循环有潜力提供更深入洞察，加速科学发现，并为两者生产稳健工具。”通过制定有意识战略，学院有望在AI浪潮中受益。

出版详情：作者：Massachusetts Institute of Technology；标题：《Three questions: On the future of AI and the mathematical and physical sciences》；发表于：《Machine Learning: Science and Technology》(2026)；DOI: 10.1088/2632-2153/ae3e4e