Tương lai của AI và khoa học toán học và vật lý: Ba câu hỏi

3 Câu hỏi: Về tương lai của AI và khoa học toán học và vật lý

Nghiên cứu dựa trên sự tò mò từ lâu đã khơi nguồn những chuyển đổi công nghệ. Một thế kỷ trước, sự tò mò về nguyên tử đã dẫn đến cơ học lượng tử, và cuối cùng là transistor, trái tim của điện toán hiện đại. Ngược lại, động cơ hơi nước là một đột phá thực tế, nhưng phải nhờ nghiên cứu cơ bản về nhiệt động lực học mới có thể khai thác triệt để sức mạnh của nó. Ngày nay, trí tuệ nhân tạo và khoa học đang ở một bước ngoặt tương tự. Cuộc cách mạng AI hiện tại được thúc đẩy bởi hàng thập kỷ nghiên cứu trong khoa học toán học và vật lý (MPS), vốn đã cung cấp những vấn đề, bộ dữ liệu và hiểu biết sâu sắc đầy thách thức, giúp AI hiện đại trở nên khả thi. Giải Nobel Vật lý và Hóa học năm 2024, ghi nhận các phương pháp AI nền tảng bắt nguồn từ vật lý và các ứng dụng AI để thiết kế protein, đã khiến mối liên hệ này không thể bỏ qua.

Năm 2025, MIT đã tổ chức Hội thảo về Tương lai của AI+MPS, được tài trợ bởi Quỹ Khoa học Quốc gia với sự hỗ trợ từ Trường Khoa học MIT và các khoa Vật lý, Hóa học và Toán học của MIT. Hội thảo đã tập hợp các nhà nghiên cứu AI và khoa học hàng đầu để vạch ra cách các lĩnh vực MPS có thể tận dụng tối đa — và đóng góp vào — tương lai của AI. Giờ đây, một báo cáo chính sách, với các khuyến nghị cho các cơ quan tài trợ, tổ chức và nhà nghiên cứu, đã được xuất bản trên tạp chí Machine Learning: Science and Technology. Trong cuộc phỏng vấn này, Jesse Thaler, giáo sư vật lý của MIT và chủ trì hội thảo, mô tả các chủ đề chính và cách MIT định vị để dẫn đầu trong AI và khoa học.

Hỏi: Các chủ đề chính của báo cáo về cuộc tụ họp năm ngoái của các nhà lãnh đạo trong lĩnh vực khoa học toán học và vật lý là gì?

Đáp: Việc tập hợp rất nhiều nhà nghiên cứu đi đầu trong lĩnh vực AI và khoa học trong một phòng đã rất sáng tỏ. Mặc dù những người tham gia hội thảo đến từ năm cộng đồng khoa học khác nhau — thiên văn học, hóa học, khoa học vật liệu, toán học và vật lý — chúng tôi nhận thấy nhiều điểm tương đồng trong cách mỗi người chúng tôi tham gia với AI. Một sự đồng thuận thực sự đã xuất hiện từ các cuộc thảo luận sôi nổi của chúng tôi: Đầu tư phối hợp vào cơ sở hạ tầng điện toán và dữ liệu, kỹ thuật nghiên cứu liên ngành và đào tạo nghiêm ngặt có thể thúc đẩy có ý nghĩa cả AI và khoa học.

Một trong những hiểu biết sâu sắc trọng tâm là đây phải là một con đường hai chiều. Không chỉ là sử dụng AI để làm khoa học tốt hơn; khoa học cũng có thể làm cho AI tốt hơn. Các nhà khoa học vượt trội trong việc chắt lọc những hiểu biết sâu sắc từ các hệ thống phức tạp, bao gồm cả mạng lưới thần kinh, bằng cách khám phá các nguyên tắc cơ bản và các hành vi mới nổi. Chúng tôi gọi đây là "khoa học về AI" và nó có ba dạng: khoa học thúc đẩy AI, trong đó suy luận khoa học cung cấp thông tin cho các cách tiếp cận AI nền tảng; khoa học truyền cảm hứng cho AI, trong đó những thách thức khoa học thúc đẩy sự phát triển của các thuật toán mới; và khoa học giải thích AI, trong đó các công cụ khoa học giúp làm sáng tỏ cách trí thông minh nhân tạo thực sự hoạt động.

Ví dụ, trong lĩnh vực vật lý hạt của tôi, các nhà nghiên cứu đang phát triển các thuật toán AI thời gian thực để xử lý lượng dữ liệu khổng lồ từ các thí nghiệm va chạm. Công việc này có ý nghĩa trực tiếp đối với việc khám phá vật lý mới, nhưng bản thân các thuật toán hóa ra lại có giá trị vượt ra ngoài lĩnh vực của chúng tôi. Hội thảo đã làm rõ rằng khoa học về AI nên là ưu tiên của cộng đồng — nó có tiềm năng chuyển đổi cách chúng ta hiểu, phát triển và kiểm soát các hệ thống AI.

Tất nhiên, việc kết nối khoa học và AI đòi hỏi những người có thể làm việc trên cả hai thế giới. Những người tham dự liên tục nhấn mạnh sự cần thiết của "các nhà khoa học nhân mã" — các nhà nghiên cứu có chuyên môn thực sự liên ngành. Hỗ trợ những người đa tài này ở mọi giai đoạn sự nghiệp, từ các khóa học đại học tích hợp đến các chương trình tiến sĩ liên ngành đến việc thuê giảng viên chung, đã nổi lên như một điều cần thiết.

Hỏi: Các nỗ lực về AI và khoa học của MIT phù hợp với các khuyến nghị của hội thảo như thế nào?

Đáp: Hội thảo đã xây dựng các khuyến nghị của mình dựa trên ba trụ cột: nghiên cứu, tài năng và cộng đồng. Với tư cách là giám đốc của Viện Trí tuệ Nhân tạo và Tương tác Cơ bản (IAIFI) của NSF — một nỗ lực hợp tác về AI và vật lý giữa MIT và các trường đại học Harvard, Northeastern và Tufts — tôi đã tận mắt chứng kiến ​​mức độ hiệu quả của khuôn khổ này. Mở rộng điều này lên MIT, chúng ta có thể thấy những tiến bộ đang đạt được ở đâu và những cơ hội nằm ở đâu.

Trên mặt trận nghiên cứu, MIT đã và đang cho phép công việc về AI và khoa học theo cả hai hướng. Ngay cả khi cuộn nhanh qua MIT News, bạn cũng có thể thấy cách các nhà nghiên cứu riêng lẻ trên khắp Trường Khoa học đang theo đuổi các dự án do AI điều khiển, xây dựng một đường ống kiến ​​thức và khám phá những cơ hội mới. Đồng thời, các nỗ lực hợp tác như IAIFI và Viện Thuật toán AI Tăng tốc cho Khám phá Dựa trên Dữ liệu (A3D3) tập trung năng lượng liên ngành để có tác động lớn hơn. Hiệp hội Tác động AI Tạo sinh của MIT cũng đang hỗ trợ công việc AI hướng đến ứng dụng ở quy mô trường đại học.

Để thúc đẩy tài năng AI và khoa học ở giai đoạn đầu sự nghiệp, một số sáng kiến ​​đang đào tạo thế hệ các nhà khoa học nhân mã tiếp theo. Chương trình Common Ground for Computing Education của Trường Cao đẳng Điện toán Schwarzman của MIT giúp sinh viên trở thành "song ngữ" trong lĩnh vực...