Любознательность учёных на протяжении всей истории способствовала технологическим преобразованиям. Сто лет назад интерес к атомам привёл к появлению квантовой механики, а затем и транзистора, лежащего в основе современных вычислений. В то же время паровой двигатель был практическим прорывом, но для полного использования его потенциала потребовались фундаментальные исследования в области термодинамики.
Сегодня искусственный интеллект и наука находятся на схожем переломном этапе. Нынешняя революция в сфере ИИ подпитывалась десятилетиями исследований в области математических и физических наук (МПН), которые предоставили сложные задачи, наборы данных и идеи, сделавшие возможным современный ИИ. Нобелевские премии 2024 года по физике и химии, отмечающие фундаментальные методы ИИ, основанные на физике, и применение ИИ для проектирования белков, не могли остаться незамеченными.
В 2025 году Массачусетский технологический институт (MIT) провёл 🔬 семинар о будущем ИИ и МПН, финансируемый Национальным научным фондом при поддержке Школы наук MIT, а также факультетов физики, химии и математики. На семинаре собрались ведущие исследователи в области ИИ и науки, чтобы определить, как лучше всего использовать потенциал МПН для будущего ИИ.
Вопрос: Каковы ключевые темы доклада, посвящённого прошлогоднему собранию лидеров математических и физических наук?
Ответ: Собрать вместе столько исследователей, находящихся в авангарде ИИ и науки, было очень полезно. Хотя участники семинара представляли пять различных научных сообществ — астрономию, химию, материаловедение, математику и физику — мы обнаружили много общего в том, как мы взаимодействуем с ИИ. Из наших оживлённых дискуссий сформировался реальный консенсус: скоординированные инвестиции в вычислительные мощности и инфраструктуру данных, междисциплинарные исследовательские методы и тщательное обучение могут существенно продвинуть вперёд как ИИ, так и науку.
Одним из центральных выводов стало то, что это должна быть улица с двусторонним движением. Речь идёт не только об использовании ИИ для улучшения научных исследований; наука также может сделать ИИ лучше. Учёные преуспевают в том, чтобы извлекать ценную информацию из сложных систем, включая нейронные сети, раскрывая лежащие в их основе принципы и возникающее поведение. Мы называем это «наукой об ИИ», и она имеет три направления:
* наука, управляющая ИИ, где научные рассуждения определяют фундаментальные подходы к ИИ;
* наука, вдохновляющая ИИ, где научные задачи способствуют разработке новых алгоритмов;
* наука, объясняющая ИИ, где научные инструменты помогают понять, как на самом деле работает машинный интеллект.
В моей области, физике элементарных частиц, например, исследователи разрабатывают алгоритмы ИИ в реальном времени для обработки потока данных от экспериментов на коллайдерах. Эта работа имеет прямое отношение к открытию новой физики, но сами алгоритмы оказываются ценными далеко за пределами нашей области.
Конечно, для преодоления разрыва между наукой и ИИ нужны люди, которые могут работать в обоих мирах. Участники постоянно подчёркивали необходимость в «учёных-кентаврах» — исследователях с подлинным междисциплинарным опытом. Поддержка этих эрудитов на всех этапах карьеры, от интегрированных курсов для студентов до междисциплинарных программ докторантуры и совместных приёмов на работу преподавателей, стала неотъемлемой частью процесса.
Вопрос: Как усилия MIT в области ИИ и науки согласуются с рекомендациями семинара?
Ответ: Семинар сформулировал свои рекомендации вокруг трёх столпов: исследования, таланты и сообщество. Как директор Института искусственного интеллекта и фундаментальных взаимодействий (IAIFI) — совместного проекта MIT и Гарварда, а также университетов Northeastern и Tufts — я своими глазами видел, насколько эффективной может быть такая структура.
В области исследований MIT уже способствует работе в области ИИ и науки в обоих направлениях. Даже беглый просмотр новостной ленты MIT показывает, как отдельные исследователи из Школы наук занимаются проектами, основанными на ИИ, формируя поток знаний и открывая новые возможности. В то же время совместные усилия, такие как IAIFI и Институт ускоренных алгоритмов искусственного интеллекта для открытия данных (A3D3), концентрируют междисциплинарную энергию для достижения большего эффекта. Консорциум MIT по влиянию генеративного ИИ также поддерживает прикладную работу в области ИИ в масштабе университета.
Чтобы воспитать таланты в области ИИ и науки на раннем этапе карьеры, предпринимаются различные инициативы по подготовке следующего поколения учёных-кентавров. Программа MIT Schwarzman College of Computing «Общая основа для компьютерного образования» помогает студентам стать «двуязычными» в области вычислений и своей основной дисциплины. Междисциплинарные пути докторантуры также набирают обороты; IAIFI совместно с MIT Institute for Data, Systems, and Society создали один из них в области физики, статистики и науки о данных, и около 10 процентов студентов докторантуры по физике теперь выбирают его — число, которое, вероятно, будет расти.
Наконец, построение сообщества объединяет всё воедино. От целенаправленных семинаров до крупных симпозиумов — организация междисциплинарных мероприятий сигнализирует о том, что работа в области ИИ и науки не ограничивается рамками — это развивающаяся область. MIT обладает талантами и ресурсами, чтобы оказать значительное влияние, и проведение таких собраний в разных масштабах помогает утвердить лидерство.
Вопрос: Какие уроки MIT может извлечь для дальнейшего продвижения своих усилий в области ИИ и науки?
Ответ: Семинар прояснил одну важную вещь: учреждения, которые лидируют в области ИИ и науки, будут думать систематически, а не по частям. Ресурсы ограничены, поэтому приоритеты имеют значение. Участники семинара чётко дали понять, что становится возможным, когда учреждение координирует приём на работу, исследования и обучение в рамках последовательной стратегии.
MIT имеет хорошие возможности для развития того, что уже начато, с помощью более структурных инициатив — совместных факультетов в области вычислений и научных дисциплин, расширения междисциплинарных путей получения степени и целенаправленного финансирования «науки об ИИ». Мы уже наблюдаем движение в этом направлении; в этом году MIT Schwarzman College of Computing и факультет физики проводят первый в истории совместный поиск преподавателей, что очень интересно.
Цикл развития ИИ и науки может стать поистине преобразующим — предлагая более глубокое понимание ИИ, ускоряя научные открытия и создавая надёжные инструменты для обеих областей. Разработав продуманную стратегию, MIT сможет занять лидирующие позиции и извлечь выгоду из грядущих волн ИИ.
Вопрос: Какие три направления включает в себя «наука об ИИ»?
Ответ: Три направления «науки об ИИ» включают:
* науку, управляющую ИИ, где научные рассуждения определяют фундаментальные подходы к ИИ;
* науку, вдохновляющую ИИ, где научные задачи способствуют разработке новых алгоритмов;
* науку, объясняющую ИИ, где научные инструменты помогают понять, как на самом деле работает машинный интеллект.
Вопрос: Какие три столпа легли в основу рекомендаций семинара о будущем ИИ и МПН?
Ответ: Рекомендации семинара были сформулированы вокруг трёх столпов: исследования, таланты и сообщество.
Вопрос: Какие примеры междисциплинарного сотрудничества в области ИИ и науки приведены в тексте?
Ответ: В тексте приведены примеры междисциплинарного сотрудничества в области ИИ и науки через упоминание Института искусственного интеллекта и фундаментальных взаимодействий (IAIFI) — совместного проекта MIT и Гарварда, а также университетов Northeastern и Tufts. Также упоминается Институт ускоренных алгоритмов искусственного интеллекта для открытия данных (A3D3) и консорциум MIT по влиянию генеративного ИИ. Кроме того, упоминается программа MIT Schwarzman College of Computing «Общая основа для компьютерного образования» и междисциплинарные пути докторантуры в области физики, статистики и науки о данных.