★置頂zzllrr小樂公眾號（主頁右上角）數(shù)學(xué)科普不迷路！

2月11日， 在UCLA（加州大學(xué)洛杉磯分校）舉辦的2026年AI科學(xué)盛典：AI for Science: Kickoff 2026（SAIR基金會項(xiàng)目啟動會），下午場邀請了四位嘉賓探討AI時(shí)代下的高等教育變革。

隨著人工智能日益深度融入科研全過程，大學(xué)不得不重新思考的，已不僅是工具本身，而是科研的組織方式、評價(jià)體系與可持續(xù)模式。

這一制度層面的轉(zhuǎn)型，正是今年2月在加州大學(xué)洛杉磯分校（UCLA）舉辦的 “科學(xué)人工智能啟動大會”上，“人工智能與科學(xué) —— 高等教育變革” 圓桌論壇的核心議題。

本次論壇由 UCLA 物理科學(xué)學(xué)院院長、SAIR 基金會聯(lián)合創(chuàng)始人米格爾?加西亞 - 加里貝主持，匯聚了全球頂尖大學(xué)中負(fù)責(zé)制定 AI 科研轉(zhuǎn)型戰(zhàn)略的學(xué)術(shù)領(lǐng)袖：

• 揚(yáng)尼斯?約爾索斯，南加州大學(xué)維特比工程學(xué)院院長
• 布倫達(dá)?魯賓斯坦，布朗大學(xué)克里布爾化學(xué)教授、物理學(xué)教授、數(shù)據(jù)科學(xué)研究所所長
• 布夫內(nèi)什?賈因，賓夕法尼亞大學(xué)數(shù)據(jù)驅(qū)動發(fā)現(xiàn)計(jì)劃聯(lián)合主任

嘉賓們共同探討了大學(xué)如何應(yīng)對 AI 帶來的變革，議題涵蓋科研基礎(chǔ)設(shè)施、 funding 模式、教師激勵(lì)機(jī)制、跨學(xué)科合作以及科學(xué)人才培養(yǎng)的未來。

核心要點(diǎn)筆記（極簡版）

一、開場背景

高校經(jīng)費(fèi)驟減危機(jī) → 催生 科學(xué)與AI研究基金會（SAIR）

目標(biāo)：搭建 學(xué)界 + 產(chǎn)業(yè) + 政府 + 慈善 的 AI 科研生態(tài)

大學(xué)兩大使命：人才培養(yǎng)、深度創(chuàng)新

二、AI 時(shí)代的兩大挑戰(zhàn)

教學(xué)：AI 沖擊批判性思維、學(xué)術(shù)誠信

科研：高校缺算力、缺數(shù)據(jù)、難留人才

三、什么是真正的智能

會適應(yīng)、能從經(jīng)驗(yàn)學(xué)習(xí)、有目標(biāo)、能自主判斷對錯(cuò)

四、AI 發(fā)展的三個(gè)時(shí)代

1、模擬時(shí)代

2、人類數(shù)據(jù)時(shí)代（現(xiàn)在）：學(xué)已有知識，無法原創(chuàng)

3、經(jīng)驗(yàn)學(xué)習(xí)時(shí)代（未來）：自主探索、互動試錯(cuò)、創(chuàng)造新知識

五、AI for Science 能做什么

宇宙學(xué)：繪制暗物質(zhì)分布圖、加速宇宙模擬

化學(xué) / 生物：量子計(jì)算、蛋白質(zhì)動力學(xué)、藥物研發(fā)

跨學(xué)科：打破專業(yè)壁壘，催生大交叉科學(xué)

六、AI 對教育的改變

不再只教技能，而是培養(yǎng)能駕馭 AI 的專家

打破院系邊界

教師必須快速提升 AI 能力

博士評價(jià)體系、助教模式都將重構(gòu)

七、大學(xué)未來的定位

原創(chuàng)思想的試驗(yàn)田（允許大膽、失敗、超前）

堅(jiān)持做長期基礎(chǔ)研究

與產(chǎn)業(yè)快速協(xié)同，而不是等多年

八、當(dāng)前最缺什么

把 AI 當(dāng)科研伙伴，而不只是工具

跨領(lǐng)域協(xié)作新機(jī)制

AI 時(shí)代的學(xué)術(shù)出版與評價(jià)新標(biāo)準(zhǔn)

九、核心結(jié)論

未來關(guān)鍵：從經(jīng)驗(yàn)中學(xué)習(xí)的 AI

教育方向：人機(jī)協(xié)同、可解釋、可信、跨學(xué)科

人類角色：領(lǐng)導(dǎo) AI、定義問題、保持創(chuàng)造與好奇

以下正文為完整演講內(nèi)容（含Q&A問答環(huán)節(jié)）

作者：SAIR基金會 2026-2-11

譯者：zzllrr小樂（數(shù)學(xué)科普公眾號）2026-2-15

圓桌討論會議內(nèi)容全文

歡迎來到今天最后一場環(huán)節(jié)，這真是激動人心的一天，整場都非常精彩。

本場主題是：人工智能與科學(xué)驅(qū)動下的高等教育變革。

流程是這樣的：我先做簡短介紹，然后逐一介紹本場嘉賓，每位嘉賓做簡短發(fā)言，之后我們進(jìn)入問答環(huán)節(jié)，也會接受現(xiàn)場觀眾提問。

首先我自我介紹一下。

我叫米格爾·加西亞-加里貝（Miguel García-Garibay），是UCLA化學(xué)與生物化學(xué)專業(yè)的教授，同時(shí)擔(dān)任物理科學(xué)學(xué)院院長。我也很榮幸，能夠支持和推動我們數(shù)學(xué)系一眾杰出同事的工作——他們和純數(shù)學(xué)與應(yīng)用數(shù)學(xué)研究所（IPAM）聯(lián)系非常緊密。此外還有物理與天文、化學(xué)與生物化學(xué)、地球行星與空間科學(xué)、大氣與海洋科學(xué)、統(tǒng)計(jì)學(xué)，以及環(huán)境與可持續(xù)發(fā)展研究所。

我們所理解的AI for Science（科學(xué)人工智能，AI賦能科學(xué)），是希望把科學(xué)人工智能、把學(xué)術(shù)界的AI，從數(shù)學(xué)拓展到幾乎所有學(xué)科領(lǐng)域。這也是我主要的動力之一。

這一切大概始于去年6月。

有一天早上我們醒來，發(fā)現(xiàn)加州大學(xué)洛杉磯分校（UCLA）12.2億美元的校外經(jīng)費(fèi)突然沒了，資金全部凍結(jié)，其中也包括IPAM的經(jīng)費(fèi)。

IPAM是一個(gè)非常棒的機(jī)構(gòu)，主要依靠美國國家科學(xué)基金會的慷慨資助運(yùn)行。它剛剛獲批未來五年的資助，結(jié)果突然間，我們一分錢都沒有了。

一個(gè)每年支出超12億美元的科研體系，支撐著大量人員——健康科學(xué)、物理科學(xué)、工程領(lǐng)域的很多人，都依靠這些經(jīng)費(fèi)發(fā)薪水、開展項(xiàng)目、支持助教、博士后、研究科學(xué)家。

我講這些，是想說明我們當(dāng)時(shí)所處的背景。也正是在這種情況下，我們開始討論成立這個(gè)基金會，查克對AI尤其關(guān)注，他本身也非常關(guān)注數(shù)學(xué)。我們很快和蒂托、迪瑪建立了合作。我記得我們當(dāng)時(shí)在洛斯金中心吃飯，大家就想：我們必須做點(diǎn)什么。

于是就有了今天的SAIR（Science & AI Research，科學(xué)與人工智能研究基金會）。

我們非常高興大家能來到這里，因?yàn)檫@件事的意義已經(jīng)超越了當(dāng)初那次經(jīng)費(fèi)危機(jī)。

科學(xué)與人工智能研究基金會，旨在打造并培育一個(gè)生態(tài)系統(tǒng)，匯聚學(xué)術(shù)界、產(chǎn)業(yè)界、政府、基金會和個(gè)人慈善家。我們認(rèn)為，當(dāng)下AI領(lǐng)域充滿活力與機(jī)遇，正是做這件事的最佳時(shí)機(jī)。

大學(xué)的角色，我們認(rèn)為主要有兩點(diǎn)：

一是人才培養(yǎng)，二是創(chuàng)新，尤其是深度創(chuàng)新。

這也是我希望我們今天一起探討的核心。

接下來為大家介紹本場嘉賓。

很遺憾，彼得·洛文（Peter Loewen）因故無法到場，他遇到緊急情況，幾天前告知我們無法出席。我會在嘉賓發(fā)言時(shí)逐一介紹。

本場主題叫高等教育變革。

你可能會問：到底什么在被變革？

答案是：一切都在變。

但今天我們重點(diǎn)關(guān)注學(xué)術(shù)研究的兩大核心：教與學(xué)、研究與發(fā)現(xiàn)。

我先列出幾點(diǎn)現(xiàn)實(shí)挑戰(zhàn)，當(dāng)然還有更多：

• 在教學(xué)方面，ChatGPT等工具突然出現(xiàn)，帶來巨大沖擊，大家開始擔(dān)心：批判性思維會怎樣？學(xué)術(shù)誠信如何保證？

• 在科研方面，我們一直面臨一個(gè)問題：大學(xué)很難和企業(yè)競爭——我們算力不足、數(shù)據(jù)有限，甚至連人才都很難留住，因?yàn)槠髽I(yè)投入太大。

所以我們必須認(rèn)真思考：高等教育與高?？蒲校贏I時(shí)代究竟該扮演什么角色？

同時(shí)也有大量機(jī)遇：

• 教學(xué)上：全新的教學(xué)形式、個(gè)性化輔導(dǎo)、輔助教學(xué)、人才培養(yǎng)模式革新等。

• 科研上：協(xié)同合作、以數(shù)據(jù)為中心的AI、數(shù)學(xué)證明的新可能，等等。

很明確的一點(diǎn)是：

高等教育中的科學(xué)人工智能，是塑造未來的機(jī)會。

今天入學(xué)的學(xué)生，未來會成為社會中堅(jiān)力量，他們就是未來。我們需要協(xié)同，需要抓住這個(gè)機(jī)會，一起去做。

回到SAIR：

為什么我們需要一個(gè)囊括研究型大學(xué)、政府、企業(yè)、投資人和慈善家的生態(tài)系統(tǒng)？

因?yàn)檫@些都是社會的關(guān)鍵組成部分。

我準(zhǔn)備了一張簡單的流程圖：

一端是研究型大學(xué)，另一端是產(chǎn)業(yè)，底部是社會。

這是一個(gè)簡化模型，但抓住了核心。

大學(xué)的使命，是創(chuàng)造知識、傳播知識，滿足人類的好奇心。

我們覆蓋STEM（科學(xué)、技術(shù)、工程、數(shù)學(xué)），也覆蓋人文、社會等領(lǐng)域。

大學(xué)的兩大核心產(chǎn)出：

1. 能夠轉(zhuǎn)化為硬核科技與知識產(chǎn)權(quán)的創(chuàng)新

2. 人才培養(yǎng)

大學(xué)和產(chǎn)業(yè)最直接的連接就是人才。

同時(shí)，轉(zhuǎn)化型研究在大學(xué)的模式中越來越重要。

UCLA物理科學(xué)學(xué)院現(xiàn)在很大一部分收入來自知識產(chǎn)權(quán)，尤其是藥物化學(xué)。我們還有其他領(lǐng)域開始產(chǎn)生收益，幫助我們實(shí)現(xiàn)可持續(xù)發(fā)展。

所有這些轉(zhuǎn)化研究，最終都會流向高科技產(chǎn)業(yè)。

有意思的是：AI正是起源于大學(xué)。

它曾經(jīng)是一項(xiàng)硬核技術(shù)，經(jīng)過多年發(fā)展，最終成長為驅(qū)動經(jīng)濟(jì)、提升生活水平的產(chǎn)業(yè)。

但這整個(gè)體系極其昂貴，需要全社會共同投入。

我想強(qiáng)調(diào)的是：

我們必須意識到，如果沒有研究型大學(xué)和基礎(chǔ)研究，整個(gè)鏈條就會斷裂，我們會陷入巨大麻煩。

我這里有一組很震撼的數(shù)據(jù)：

培養(yǎng)一名STEM專業(yè)的人才，成本非常高。

- 本科四年：約 32萬美元

- 博士：約 110萬美元

- 博士后：高達(dá) 180萬~200萬美元

這些投入，大部分來自納稅人、政府、基金會和慈善捐贈。

這些人才都去哪里了？

我列了幾家科技公司的數(shù)據(jù)：

- 蘋果：5萬名博士級科學(xué)家工程師

- Meta：4萬名

- 英特爾：3.65萬名

- 英偉達(dá)：2萬名

每個(gè)人背后都是50萬到200萬美元的社會投入。

換句話說：大學(xué)管理著數(shù)百億、上千億的社會人力資本投資。

回報(bào)如何？

只看2024年一年的營收：

- 蘋果近4000億美元

- Meta 1640億美元

- 英偉達(dá)近610億美元

- 英特爾530億美元

這四家加起來近 8000億美元。

而美國全年在STEM領(lǐng)域的總投入是 2800億美元。

投資回報(bào)極其驚人。

所以我們必須清醒：

我們高度依賴大學(xué)這一端——?jiǎng)?chuàng)造知識、培養(yǎng)人才、推動創(chuàng)新。

一旦停止支持，整個(gè)系統(tǒng)就會崩潰。

好的一面是，今天的機(jī)遇無比振奮。

科學(xué)正處于最好的時(shí)代，AI賦能科學(xué)，科學(xué)又反過來推動AI。

我相信，未來非常積極，社會應(yīng)當(dāng)持續(xù)投入。

我的開場就到這里，接下來我切換一下演示。

我將按照傳統(tǒng)學(xué)術(shù)方式，逐一介紹今天的演講者。

第一位演講者：布夫內(nèi)什·賈因（Bhuvnesh Jain）博士

布夫內(nèi)什·賈因（Bhuvnesh Jain）

他是賓夕法尼亞大學(xué)數(shù)據(jù)驅(qū)動發(fā)現(xiàn)計(jì)劃聯(lián)合主任，安嫩伯格自然科學(xué)教授，研究領(lǐng)域是宇宙學(xué)。他通過大規(guī)模宇宙學(xué)巡天研究光的傳播和星系演化。

他是魯賓望遠(yuǎn)鏡能源科學(xué)合作項(xiàng)目的創(chuàng)始發(fā)言人，也是美國物理學(xué)會會士，獲得過ICBS國際基礎(chǔ)科學(xué)大會前沿科學(xué)獎(jiǎng)。

本科和博士分別畢業(yè)于普林斯頓大學(xué)和麻省理工學(xué)院。

有請賈因博士。

賈因博士發(fā)言

非常感謝米格爾。今天一整天都非常精彩。

我的演示會很輕松，主要放一些圖片。

每次我的AI同事邀請我參加他們的活動，大家都開玩笑說我是氣氛擔(dān)當(dāng)，因?yàn)橹挥形覀兲煳膶W(xué)家有這么多好看的圖。

在講科研之前，我先說一下教學(xué)。

我很興奮于教學(xué)這件事。我給非STEM學(xué)生開過AI導(dǎo)論課，講大模型到底怎么工作；和生物系的同事合開過研究生研討課；也教過本科機(jī)器學(xué)習(xí)。

我很愿意和任何人交流AI時(shí)代的教育學(xué)，包括人文學(xué)科的同事——他們很多人對AI感到焦慮。

我的研究方向是引力透鏡，用來研究膨脹的宇宙。

我們關(guān)心的是最宏大的問題：星系起源、宇宙起源、宇宙未來，而這些都和暗物質(zhì)、暗能量有關(guān)。我們通過實(shí)驗(yàn)知道它們存在，但還在追尋它們的本質(zhì)。

我直接講AI如何改變宇宙學(xué)研究。

上面這張圖是用數(shù)據(jù)做的暗物質(zhì)分布圖，是目前星系巡天做出的最大一張暗物質(zhì)地圖。

我們分析了1億個(gè)星系的圖像畸變，畫出宇宙中的質(zhì)量分布。深藍(lán)色是宇宙巨洞，亮區(qū)是超星系團(tuán)和星系團(tuán)。

用AI做這種地圖，不是識別貓是橘貓還是玳瑁貓。

宇宙結(jié)構(gòu)來自早期宇宙的量子漲落，具有隨機(jī)性。

我們用擴(kuò)散模型從噪聲數(shù)據(jù)中反演，把地圖分辨率提高了四倍，目前仍在驗(yàn)證中，但已經(jīng)公開在論文預(yù)印本庫。

我們?nèi)绾魏屠碚搶Ρ龋?/p>

大家聽到很多優(yōu)美的數(shù)學(xué)，但真實(shí)宇宙更混亂。

我們靠巨型計(jì)算機(jī)模擬做預(yù)測，而AI能加速模擬，讓我們用更復(fù)雜的物理做超分辨率模擬。

還有一種叫基于模擬的推斷，讓很多物理學(xué)家緊張——我們不再計(jì)算物理學(xué)家習(xí)慣的關(guān)聯(lián)函數(shù)，而是直接用圖比圖。

用卷積神經(jīng)網(wǎng)絡(luò)判斷觀測圖更接近哪一種理論宇宙。

這就是用AI做數(shù)字孿生和端到端推斷。

下面這組圖展示了跨度極大的系統(tǒng)：圖靈斑圖、海洋湍流、太陽表面、宇宙結(jié)構(gòu)。

下面一行是傳統(tǒng)物理與數(shù)學(xué)的勝利：用小波分解，幾十個(gè)系數(shù)就能生成這些結(jié)構(gòu)。

這代表我們真正理解了，表示方式非常緊湊。

但如果用擴(kuò)散模型，可以做到完美。

AI能捕捉跨尺度的極端復(fù)雜現(xiàn)象。

有點(diǎn)反直覺的是：生成一張百萬像素的圖，我們不用幾十個(gè)解析函數(shù)，而是用十億個(gè)參數(shù)。

對物理學(xué)家來說，這種非緊湊表示簡直瘋了。

但神奇的是，它能收斂到正確的解。

這就帶來一個(gè)問題：

這些現(xiàn)象都有層級結(jié)構(gòu)，那么基礎(chǔ)模型能否廣泛推動科學(xué)進(jìn)步？

目前科學(xué)界已有幾十個(gè)基礎(chǔ)模型，但真正有說服力的案例還不多。

更進(jìn)一步，我想講生物學(xué)相關(guān)的一點(diǎn)：

經(jīng)歷了近一個(gè)世紀(jì)的高度專業(yè)化，我們正迎來跨學(xué)科科學(xué)的新時(shí)代。

我對數(shù)據(jù)科學(xué)和AI如何促進(jìn)交叉學(xué)科的興奮程度，不亞于它們?nèi)绾渭铀倏茖W(xué)本身。

從本科生到博士后，我們擁有了前所未有的交流與合作方式。

我在賓大AI中心最開心的事，就是把人們聚在一起。

我和前面講者觀點(diǎn)略有不同：

在我看來，科學(xué)發(fā)現(xiàn)的路徑本身仍在探索中。

我們聽過很多種科學(xué)，但很少討論如何做實(shí)驗(yàn)、如何提問題。當(dāng)理論失效，該問什么新問題？

在這方面，AI可以作為認(rèn)知伙伴、一種新型智能，非常有用。

但未來幾年會不會出現(xiàn)能做這種科學(xué)的AGI（通用人工智能），我認(rèn)為仍無定論。

總結(jié)來說：

有了這個(gè)認(rèn)知伙伴，科技界和學(xué)術(shù)界就有了更多合作可能。

謝謝大家。

第二位講者：布倫達(dá)·魯賓斯坦博士

布倫達(dá)·魯賓斯坦（Brenda Rubenstein）

她是布朗大學(xué)化學(xué)教授，數(shù)據(jù)科學(xué)研究所所長。她領(lǐng)導(dǎo)著校內(nèi)最大的研究所，200多名教員參與，專注數(shù)據(jù)向善。

她入選《大眾科學(xué)》2021年“天才10人”，化學(xué)與工程新聞2019年頂尖青年科學(xué)家。

她曾在勞倫斯利弗莫爾國家實(shí)驗(yàn)室做博士后，本科、碩士、博士分別畢業(yè)于布朗、劍橋和哥倫比亞大學(xué)。

有請魯賓斯坦博士。

魯賓斯坦博士發(fā)言

非常感謝米格爾的介紹，感謝主辦方和UCLA。

在這個(gè)時(shí)間點(diǎn)把大家聚在一起，意義重大。

我被告知發(fā)言3–5分鐘，我會嚴(yán)格遵守。

我先簡單介紹我的研究，再講布朗數(shù)據(jù)科學(xué)研究所做的事，最后講我認(rèn)為AI與教育最前沿的問題。

我的專業(yè)是計(jì)算科學(xué)。

我的工作主要兩塊：

1. 機(jī)器學(xué)習(xí)與量子計(jì)算，互相促進(jìn)。我們用量子計(jì)算機(jī)訓(xùn)練機(jī)器學(xué)習(xí)模型，理解化學(xué)與材料。目前量子計(jì)算機(jī)誤差還很大，但我們能用來訓(xùn)練模型。如果要精準(zhǔn)模擬量子材料、生物酶，經(jīng)典計(jì)算機(jī)做不到，我們正在開發(fā)首批量子計(jì)算方法。

2. 用機(jī)器學(xué)習(xí)理解蛋白質(zhì)與RNA動力學(xué)。蛋白質(zhì)的運(yùn)動方式和疾病直接相關(guān)，尤其是癌癥。微小突變改變運(yùn)動方式，最終導(dǎo)致癌癥。我們自己開發(fā)模型，預(yù)測蛋白質(zhì)長期動力學(xué)。

3. 分子計(jì)算：讓分子本身進(jìn)行計(jì)算。AI在這里非常重要，幫助我們把數(shù)據(jù)存儲、運(yùn)算映射到化學(xué)反應(yīng)中。

我日常大部分工作是運(yùn)營布朗大學(xué)數(shù)據(jù)科學(xué)研究所。

很多校友說：數(shù)據(jù)科學(xué)已經(jīng)是2000年代的詞了，為什么不改成人工智能中心？

我們兩者都做，但堅(jiān)持叫“數(shù)據(jù)科學(xué)”，因?yàn)槲覀兿嘈牛?/p>

數(shù)據(jù)比AI更根本，AI建立在數(shù)據(jù)之上，而數(shù)據(jù)連接所有學(xué)科。

哪怕是人文學(xué)者，也有數(shù)據(jù)。

我們的使命：推動跨領(lǐng)域創(chuàng)新，真正意義上的所有領(lǐng)域。

我的副所長是歷史學(xué)家。你可能會問：歷史學(xué)家和AI有什么關(guān)系？

他們正在審視這個(gè)時(shí)代，提出深刻的問題。這是歷史性時(shí)刻，需要?dú)v史學(xué)家、作家等人共同參與。

我們還有一個(gè)技術(shù)責(zé)任與重構(gòu)中心，思考AI帶來的倫理與歷史問題。

我最關(guān)心的，是人與AI的界面，這也是高等教育最核心的問題。

我們正在進(jìn)入人類與AI協(xié)同的新階段，但還不清楚這種互動最終會是什么形態(tài)。

作為教育機(jī)構(gòu)，我們必須認(rèn)真思考：

1. 學(xué)生未來要做什么？

2. 學(xué)生的福祉如何保障？

3. 我們?nèi)绾伟讶伺c機(jī)器融合，讓雙方都變得更好？

從技術(shù)角度看，就是讓人在回路中驗(yàn)證。

我是計(jì)算科學(xué)家，也在乎可解釋性。

模型能預(yù)測很好，但如果我不理解，那就有問題。

人類的思維方式和計(jì)算機(jī)不一樣，我們必須架起橋梁。

要推動物理等學(xué)科，我必須能用物理的語言理解AI告訴我的東西。

還有智能體AI（Agentic AI）的崛起，對教育意義巨大。

過去我們教本科生：你要成為專家。

未來，人類可能會和一群AI協(xié)作，甚至AI成群、人類少量。

人類必須學(xué)會領(lǐng)導(dǎo)機(jī)器，這是全新界面。

AI在提升我們的能力，同時(shí)也給高等教育帶來挑戰(zhàn)與機(jī)遇。

這個(gè)人機(jī)交匯界面，是我們未來必須深度思考的地方。

謝謝大家。

第三位講者：揚(yáng)尼斯?約爾索斯教授

揚(yáng)尼斯?約爾索斯（Yannis Yortsos）

他是南加州大學(xué)維特比工程學(xué)院院長，化學(xué)工程教授。

他專注多孔介質(zhì)中的流動、輸運(yùn)與反應(yīng)過程，推動“工程+”跨學(xué)科教育與科研。

他本科畢業(yè)于希臘國立雅典理工大學(xué)，碩士、博士畢業(yè)于加州理工。

有請約爾索斯院長。

約爾索斯院長發(fā)言

謝謝米格爾，謝謝查克邀請我。

我前面的場次沒趕上，在南加大處理工作，現(xiàn)在趕過來，時(shí)間不多。

我10月在國家工程院年會上做過一個(gè)全會報(bào)告，主題就是AI與工程教育，今天很多內(nèi)容來自那次演講。

我剛當(dāng)教授時(shí)，系主任告訴我：工程就是三件事——能源、材料、信息。

我的論文方向是能源，我當(dāng)時(shí)覺得自己很專。

而AI，同時(shí)是這三者的極致結(jié)合：

- 它消耗巨大能源

- 它依賴芯片材料

- 它的核心是數(shù)據(jù)與信息

所以在我看來，AI是一種前所未有的工程形態(tài)。

但它還多了一個(gè)維度：可信性（Trustworthiness）。

可解釋性、理解能力，是AI非常重要的一部分，也是人的要素。

所以我現(xiàn)在的觀點(diǎn)是：

AI + 工程 = 能源 + 材料 + 信息 + 可信性。

我一直在想一個(gè)問題：

未來，什么東西是不變的？

我認(rèn)為，人類永遠(yuǎn)要解決四大問題：

1. 可持續(xù)繁榮（我不喜歡單純說“可持續(xù)”，因?yàn)樗１徽位?，暗示稀缺。希臘詞“永遠(yuǎn)翠綠”更接近我想表達(dá)的）

2. 健康

3. 安全（網(wǎng)絡(luò)、太空等）

4. 豐富生命（教育、科研、娛樂、民主等）

這四大類，適用于所有學(xué)科，不只是工程。

2008年美國國家工程院提出的工程重大挑戰(zhàn)，本質(zhì)也是這些。

什么在加速這一切？

AI與計(jì)算能力。

它是變革性時(shí)刻，增長超指數(shù)，接近奇點(diǎn)，很可能是一場相變。

我不是創(chuàng)新專家，也不是商人，但我從動力學(xué)角度看：

- 如果創(chuàng)新速度正比于當(dāng)前水平 → 指數(shù)增長（摩爾定律）

- 如果是二次關(guān)系 → 會出現(xiàn)奇點(diǎn)

我認(rèn)為我們正在走向自主化的相變。

我把AI分為三類：

- AI 作為工具

- AI 作為催化劑

- AI 作為技術(shù)

對學(xué)生來說，必須具備扎實(shí)的AI技術(shù)知識：機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等。

我們南加大對所有本科生做出承諾：畢業(yè)時(shí)都具備實(shí)用的AI知識，理解AI工作原理，無論你是計(jì)算機(jī)、電子、化工還是其他專業(yè)。

我用一個(gè)象征性的公式總結(jié)今天的內(nèi)容：

把我剛才說的人類需求金字塔，加上AI帶來的奇點(diǎn)式雙曲線，

最終得到雙螺旋結(jié)構(gòu)：

一條鏈?zhǔn)羌夹g(shù)，一條鏈?zhǔn)侨祟悺?/p>

兩者交匯，就是人在回路中。

我的希望是：

我們繼續(xù)用高度發(fā)展的計(jì)算能力，解決可持續(xù)繁榮、健康、安全等重大問題，

實(shí)現(xiàn)技術(shù)與人性的精細(xì)協(xié)同。

最后我再解釋一下AI的三層角色：

- 工具：像搜索一樣，很直觀

- 催化劑：極大加速科學(xué)、加速學(xué)習(xí)

- 技術(shù)：這解釋了為什么AI能跨所有學(xué)科

我對技術(shù)的定義來自布萊恩·阿瑟：

技術(shù)，是利用現(xiàn)象達(dá)到有用目的。

現(xiàn)象可以是物理、化學(xué)、生物，越來越多是社會與行為。

在AI之前，我們利用物理、化學(xué)現(xiàn)象；

而AI，是直接利用數(shù)據(jù)。

我們把物理、化學(xué)暫時(shí)抽離，方法反而變得統(tǒng)一。

這就是AI跨領(lǐng)域融合的根源。

我的發(fā)言到此結(jié)束。

圓桌問答 & 結(jié)尾

主持人：

AI如何改變工程與科學(xué)教育？

布倫達(dá)：

AI不是只改變理工教育，而是讓我們重新回歸專業(yè)本身。

過去很多STEM教育只培養(yǎng)特定技能，不培養(yǎng)真正的專家。

AI迫使我們培養(yǎng)更高水平的專家：能指導(dǎo)AI、判斷AI、驗(yàn)證AI。

教育必須重構(gòu)，讓學(xué)生能真正看透技術(shù)、看透領(lǐng)域。

賈因：

我認(rèn)為最關(guān)鍵的是：打破院系邊界。

生物、物理、化學(xué)、實(shí)驗(yàn)、理論、數(shù)據(jù)分析，都應(yīng)該打通。

本科生科研參與度可以成倍提升；

研究生一進(jìn)校就該學(xué)AI；

教師必須快速提升AI技能，否則大學(xué)體系會被拖慢；

大學(xué)應(yīng)該向科技公司學(xué)習(xí)敏捷迭代，以半年、一年為周期變化，而不是十年。

約爾索斯：

我關(guān)心兩個(gè)現(xiàn)實(shí)問題：

1. 未來助教會不會被AI取代？

2. 博士人才的評價(jià)標(biāo)準(zhǔn)要不要變？

科學(xué)加速太快，現(xiàn)在的五年博士模式、論文評價(jià)體系，可能都要改。

主持人：

面對快速變化和巨大資源需求，大學(xué)科研應(yīng)如何演進(jìn)？

布倫達(dá)：

大學(xué)的角色，是創(chuàng)新與原創(chuàng)思想的試驗(yàn)田，一塊低成本、允許瘋狂想法的試驗(yàn)田。

很多想法不切實(shí)際、會失敗，但沒關(guān)系。

大學(xué)要持續(xù)產(chǎn)生想法，輸出給產(chǎn)業(yè)、社會，同時(shí)教會學(xué)生如何產(chǎn)生想法。

賈因：

我完全同意。

約爾索斯：

傳統(tǒng)上大學(xué)做6.1、6.2級別的基礎(chǔ)研究，產(chǎn)業(yè)做后期。

現(xiàn)在界限被大幅壓縮，大學(xué)和產(chǎn)業(yè)都在做6.2、6.3。

6.1這種純基礎(chǔ)研究，仍會是大學(xué)的陣地。

我有一個(gè)暢想：

牛頓之前我們不懂自然，牛頓之后世界變得清晰。

我們會不會正處在一個(gè)等待“AI時(shí)代的牛頓”出現(xiàn)的前夜？

主持人：

AI已經(jīng)改變蛋白質(zhì)折疊、藥物研發(fā)。

它只會是特定領(lǐng)域的加速器，還是會徹底改變科研？

賈因：

過去不到十年，每兩三年AI就給科學(xué)帶來20%的提升。

即便只有這些，也已是我們一生中知識最快的加速器。

AI會不會改變上百個(gè)學(xué)科？我不知道。

但很多學(xué)科即將達(dá)到蛋白質(zhì)折疊那樣的突破點(diǎn)。

現(xiàn)在每個(gè)科學(xué)家都有機(jī)會用AI提升生產(chǎn)力。

布倫達(dá)：

我們曾經(jīng)沒人相信AlphaFold能成功。

我認(rèn)為幾乎所有領(lǐng)域都能到達(dá)這一步。

AI真正改變的，是讓大家相信：只要有足夠數(shù)據(jù)，模型就能理解世界。

這在20年前完全不是主流思想。

各個(gè)領(lǐng)域現(xiàn)在都有了明確路徑：先搞到需要的數(shù)據(jù)。

主持人：

當(dāng)前AI for Science的討論，最缺少什么？

賈因：

我一位同事寫過一篇文章叫《AI的樂趣》。

AI是伙伴，我們可以選擇如何使用它。

即便AI有了答案，我們依然可以下棋、可以做物理。

把AI當(dāng)作個(gè)人伙伴、團(tuán)隊(duì)協(xié)作中介，我們才剛剛開始。

AI把科研中枯燥的寫作、編碼都承擔(dān)了，我們可以更自由地想象、投入真正有樂趣的科學(xué)。

布倫達(dá)：

我認(rèn)為是群體協(xié)作的新形態(tài)。

AI讓不同背景的人站在同一平臺對話，以前不可能。

這是在以前所未有的方式，動員整個(gè)共同體解決問題。

約爾索斯：

我認(rèn)為是學(xué)術(shù)出版的革命。

AI參與寫作、研究，什么是發(fā)表？什么是貢獻(xiàn)？

現(xiàn)有規(guī)則還很原始，未來一定會巨變。

主持人：

基金會希望打造產(chǎn)學(xué)研協(xié)同生態(tài)。

你認(rèn)為產(chǎn)業(yè)、學(xué)界、投資人應(yīng)如何合作？大學(xué)扮演什么角色？

約爾索斯：

傳統(tǒng)產(chǎn)學(xué)合作很溫和：捐贈獎(jiǎng)學(xué)金、少量合作。

未來會完全不同：投資方會要求6個(gè)月~1年見效，而大學(xué)傳統(tǒng)節(jié)奏是3年甚至更久。

這將是一場革命。

做6.2、6.3這類研究需要巨大能量，不合作根本不可能。

布倫達(dá)：

我同意時(shí)間尺度問題。

大學(xué)長期被政府經(jīng)費(fèi)導(dǎo)向漸進(jìn)式創(chuàng)新，不敢冒險(xiǎn)。

我們需要產(chǎn)學(xué)政一起支持短周期、大膽、全新的想法，而不是讓它們只能在邊緣生存。

現(xiàn)在的評審周期太慢，2024年的申請書，2026年評審說“已經(jīng)過時(shí)了”，這是巨大問題。

賈因：

我沒有補(bǔ)充。

觀眾提問 & 結(jié)尾

觀眾：

我們能做什么具體的事來改變本科教育？

賈因：

每所大學(xué)都有教授在做驚人的教學(xué)實(shí)驗(yàn)。

一方面要防守：保護(hù)寫作、解題能力，防止AI作弊；

另一方面要進(jìn)攻：用AI輔助教學(xué)，讓本科生用AI解決研究生級別的問題，讓教學(xué)更有趣、更有野心。

觀眾：

如何讓所有人——教師、學(xué)生、管理者——真正理解AI的變革性，而不被它壓垮？

約爾索斯：

AI變化太快，我的幻燈片每天都要更新。

但我們經(jīng)歷過計(jì)算機(jī)時(shí)代，很多反應(yīng)是相似的。

關(guān)鍵是：AI已經(jīng)來了，不會消失。

學(xué)校要提供工具、論壇、合作項(xiàng)目，讓大家自然融入，而不是強(qiáng)迫。

最終，每個(gè)人都會在自己的學(xué)科里找到AI的位置。

主持人：

時(shí)間到了，我們就在這里結(jié)束。

AI已經(jīng)到來，機(jī)遇無限，我們必須擁抱它。

有請迪瑪做總結(jié)。

迪瑪：

我只想感謝各位嘉賓、米格爾、查克、陶哲軒，感謝大家?guī)砭实囊惶臁?/p>

也感謝在座每一位。

未來IPAM還有很多精彩活動，歡迎關(guān)注我們的日程，期待再次相見。

謝謝大家。

參考資料

https://www.youtube.com/watch?v=VovYDu8o-54

https://sair.foundation/event/ai-for-science-kickoff-2026/

2026AI科學(xué)盛典——圓桌討論《AI與高等教育變革》會議全文

2026AI科學(xué)盛典——圓桌討論《AI與數(shù)學(xué)》會議全文

2026AI科學(xué)盛典——諾貝爾獎(jiǎng)得主巴里·巴里什（Barry Barish）主題演講全文《LIGO：十年新科學(xué)》

小樂數(shù)學(xué)科普近期文章

·開放 · 友好 · 多元 · 普適 · 守拙·

讓數(shù)學(xué)

更加

易學(xué)易練

易教易研

易賞易玩

易見易得

易傳易及

歡迎評論、點(diǎn)贊、在看、在聽

收藏、分享、轉(zhuǎn)載、投稿

查看原始文章出處

點(diǎn)擊zzllrr小樂

公眾號主頁

右上角

置頂加星★

數(shù)學(xué)科普不迷路！