2026AI科學(xué)盛典——圓桌討論《AI與高等教育變革》會(huì)議全文

★置頂zzllrr小樂(lè)公眾號(hào)（主頁(yè)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(huì)項(xiàng)目啟動(dòng)會(huì)），下午場(chǎng)邀請(qǐng)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(guò)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(píng)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(dòng)大會(huì)”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(zhǎng)、SAIR 基金會(huì)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(zhǎng)
• 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(zhǎng)
• 布夫內(nèi)什?賈因，賓夕法尼亞大學(xué)數(shù)據(jù)驅(qū)動(dòng)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(duì) AI 帶來(lái)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(lái)。

核心要點(diǎn)筆記（極簡(jiǎn)版）

一、開場(chǎng)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(huì)（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(chéng)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(huì)適應(yīng)、能從經(jīng)驗(yàn)學(xué)習(xí)、有目標(biāo)、能自主判斷對(duì)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(shí)，無(wú)法原創(chuàng)

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

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(dòng)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(duì)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(píng)價(jià)體系、助教模式都將重構(gòu)

七、大學(xué)未來(lái)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(zhǎng)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(píng)價(jià)新標(biāo)準(zhǔn)

九、核心結(jié)論

未來(lái)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(wèn)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(wèn)答環(huán)節(jié)）

作者：SAIR基金會(huì) 2026-2-11

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

圓桌討論會(huì)議內(nèi)容全文

歡迎來(lái)到今天最后一場(chǎng)環(huán)節(jié)，這真是激動(dòng)人心的一天，整場(chǎng)都非常精彩。

本場(chǎng)主題是：人工智能與科學(xué)驅(qū)動(dòng)下的高等教育變革。

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

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(zhǎng)。我也很榮幸，能夠支持和推動(dòng)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(dòng)力之一。

這一切大概始于去年6月。

有一天早上我們醒來(lái)，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(méi)了，資金全部?jī)鼋Y(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(guó)國(guó)家科學(xué)基金會(huì)的慷慨資助運(yùn)行。它剛剛獲批未來(lái)五年的資助，結(jié)果突然間，我們一分錢都沒(méi)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(shuō)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(huì)，查克對(duì)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(huì)）。

我們非常高興大家能來(lái)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(huì)，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(huì)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(lái)為大家介紹本場(chǎng)嘉賓。

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

本場(chǎng)主題叫高等教育變革。

你可能會(huì)問(wèn)：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(lái)巨大沖擊，大家開始擔(dān)心：批判性思維會(huì)怎樣？學(xué)術(shù)誠(chéng)信如何保證？

• 在科研方面，我們一直面臨一個(gè)問(wèn)題：大學(xué)很難和企業(yè)競(jìng)爭(zhēng)——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：高等教育與高校科研，在AI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(lái)的機(jī)會(huì)。

今天入學(xué)的學(xué)生，未來(lái)會(huì)成為社會(huì)中堅(jiān)力量，他們就是未來(lái)。我們需要協(xié)同，需要抓住這個(gè)機(jī)會(huì)，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(huì)的關(guān)鍵組成部分。

我準(zhǔn)備了一張簡(jiǎn)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(huì)。

這是一個(gè)簡(jiǎn)化模型，但抓住了核心。

大學(xué)的使命，是創(chuàng)造知識(shí)、傳播知識(shí)，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(huì)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(shí)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(lái)越重要。

UCLA物理科學(xué)學(xué)院現(xiàn)在很大一部分收入來(lái)自知識(shí)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(huì)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(guò)多年發(fā)展，最終成長(zhǎng)為驅(qū)動(dòng)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(huì)共同投入。

我想強(qiáng)調(diào)的是：

我們必須意識(shí)到，如果沒(méi)有研究型大學(xué)和基礎(chǔ)研究，整個(gè)鏈條就會(huì)斷裂，我們會(huì)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(wàn)美元

- 博士：約 110萬(wàn)美元

- 博士后：高達(dá) 180萬(wàn)~200萬(wàn)美元

這些投入，大部分來(lái)自納稅人、政府、基金會(huì)和慈善捐贈(zèng)。

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(wàn)名博士級(jí)科學(xué)家工程師

- Meta：4萬(wàn)名

- 英特爾：3.65萬(wàn)名

- 英偉達(dá)：2萬(wàn)名

每個(gè)人背后都是50萬(wàn)到200萬(wàn)美元的社會(huì)投入。

換句話說(shuō)：大學(xué)管理著數(shù)百億、上千億的社會(huì)人力資本投資。

回報(bào)如何？

只看2024年一年的營(yíng)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(lái)近 8000億美元。

而美國(guó)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(shí)、培養(yǎng)人才、推動(dòng)創(chuàng)新。

一旦停止支持，整個(gè)系統(tǒng)就會(huì)崩潰。

好的一面是，今天的機(jī)遇無(wú)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(guò)來(lái)推動(dòng)AI。

我相信，未來(lái)非常積極，社會(huì)應(yīng)當(dāng)持續(xù)投入。

我的開場(chǎng)就到這里，接下來(lái)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(dòng)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(guò)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(guó)物理學(xué)會(huì)會(huì)士，獲得過(guò)ICBS國(guó)際基礎(chǔ)科學(xué)大會(huì)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(qǐng)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(huì)很輕松，主要放一些圖片。

每次我的AI同事邀請(qǐng)我參加他們的活動(dòng)，大家都開玩笑說(shuō)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(shuō)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(guò)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(guò)研究生研討課；也教過(guò)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(duì)AI感到焦慮。

我的研究方向是引力透鏡，用來(lái)研究膨脹的宇宙。

我們關(guān)心的是最宏大的問(wèn)題：星系起源、宇宙起源、宇宙未來(lái)，而這些都和暗物質(zhì)、暗能量有關(guān)。我們通過(guò)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(shí)別貓是橘貓還是玳瑁貓。

宇宙結(jié)構(gòu)來(lái)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(kù)。

我們?nèi)绾魏屠碚搶?duì)比？

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(cè)，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(cè)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(yáng)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(jué)的是：生成一張百萬(wàn)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(duì)物理學(xué)家來(lái)說(shuō)，這種非緊湊表示簡(jiǎn)直瘋了。

但神奇的是，它能收斂到正確的解。

這就帶來(lái)一個(gè)問(wèn)題：

這些現(xiàn)象都有層級(jí)結(jié)構(gòu)，那么基礎(chǔ)模型能否廣泛推動(dòng)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(shuō)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(lái)跨學(xué)科科學(xué)的新時(shí)代。

我對(duì)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(lái)，科學(xué)發(fā)現(xiàn)的路徑本身仍在探索中。

我們聽過(guò)很多種科學(xué)，但很少討論如何做實(shí)驗(yàn)、如何提問(wèn)題。當(dāng)理論失效，該問(wèn)什么新問(wèn)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(lái)幾年會(huì)不會(huì)出現(xiàn)能做這種科學(xué)的AGI（通用人工智能），我認(rèn)為仍無(wú)定論。

總結(jié)來(lái)說(shuō)：

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(zhǎng)。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(guó)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(qǐng)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(huì)嚴(yán)格遵守。

我先簡(jiǎn)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(wèn)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(lái)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(dòng)力學(xué)。蛋白質(zhì)的運(yùn)動(dòng)方式和疾病直接相關(guān)，尤其是癌癥。微小突變改變運(yùn)動(dòng)方式，最終導(dǎo)致癌癥。我們自己開發(fā)模型，預(yù)測(cè)蛋白質(zhì)長(zhǎng)期動(dòng)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(chǔ)、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(yíng)布朗大學(xué)數(shù)據(jù)科學(xué)研究所。

很多校友說(shuō)：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(dòng)跨領(lǐng)域創(chuàng)新，真正意義上的所有領(lǐng)域。

我的副所長(zhǎng)是歷史學(xué)家。你可能會(huì)問(wèn)：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(wèn)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(lái)的倫理與歷史問(wèn)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(wèn)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(dòng)最終會(huì)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(lái)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(cè)很好，但如果我不理解，那就有問(wèn)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(dòng)物理等學(xué)科，我必須能用物理的語(yǔ)言理解AI告訴我的東西。

還有智能體AI（Agentic AI）的崛起，對(duì)教育意義巨大。

過(guò)去我們教本科生：你要成為專家。

未來(lái)，人類可能會(huì)和一群AI協(xié)作，甚至AI成群、人類少量。

人類必須學(xué)會(huì)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(lái)挑戰(zhàn)與機(jī)遇。

這個(gè)人機(jī)交匯界面，是我們未來(lái)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(zhǎng)，化學(xué)工程教授。

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

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

有請(qǐng)約爾索斯院長(zhǎng)。

約爾索斯院長(zhǎng)發(fā)言

謝謝米格爾，謝謝查克邀請(qǐng)我。

我前面的場(chǎng)次沒(méi)趕上，在南加大處理工作，現(xiàn)在趕過(guò)來(lái)，時(shí)間不多。

我10月在國(guó)家工程院年會(huì)上做過(guò)一個(gè)全會(huì)報(bào)告，主題就是AI與工程教育，今天很多內(nèi)容來(lái)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(jué)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(lái)，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(wèn)題：

未來(lái)，什么東西是不變的？

我認(rèn)為，人類永遠(yuǎn)要解決四大問(wèn)題：

1. 可持續(xù)繁榮（我不喜歡單純說(shuō)“可持續(xù)”，因?yàn)樗１徽位凳鞠∪薄ＯＥD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(lè)、民主等）

這四大類，適用于所有學(xué)科，不只是工程。

2008年美國(guó)國(guó)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(zhǎng)超指數(shù)，接近奇點(diǎn)，很可能是一場(chǎng)相變。

我不是創(chuàng)新專家，也不是商人，但我從動(dòng)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(zhǎng)（摩爾定律）

- 如果是二次關(guān)系 → 會(huì)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(duì)學(xué)生來(lái)說(shuō)，必須具備扎實(shí)的AI技術(shù)知識(shí)：機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等。

我們南加大對(duì)所有本科生做出承諾：畢業(yè)時(shí)都具備實(shí)用的AI知識(shí)，理解AI工作原理，無(wú)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(shuō)的人類需求金字塔，加上AI帶來(lái)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(wèn)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(duì)技術(shù)的定義來(lái)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(lái)越多是社會(huì)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(wèn)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(guò)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(huì)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(wèn)題：

1. 未來(lái)助教會(huì)不會(huì)被AI取代？

2. 博士人才的評(píng)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(píng)價(jià)體系，可能都要改。

主持人：

面對(duì)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(huì)失敗，但沒(méi)關(guān)系。

大學(xué)要持續(xù)產(chǎn)生想法，輸出給產(chǎn)業(yè)、社會(huì)，同時(shí)教會(huì)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(jí)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(huì)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(huì)不會(huì)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(huì)是特定領(lǐng)域的加速器，還是會(huì)徹底改變科研？

賈因：

過(guò)去不到十年，每?jī)扇闍I就給科學(xué)帶來(lái)20%的提升。

即便只有這些，也已是我們一生中知識(shí)最快的加速器。

AI會(huì)不會(huì)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(huì)用AI提升生產(chǎn)力。

布倫達(dá)：

我們?cè)?jīng)沒(méi)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(guò)一篇文章叫《AI的樂(lè)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(lè)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(tái)對(duì)話，以前不可能。

這是在以前所未有的方式，動(dòng)員整個(gè)共同體解決問(wèn)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(lái)一定會(huì)巨變。

主持人：

基金會(huì)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(zèng)獎(jiǎng)學(xué)金、少量合作。

未來(lái)會(huì)完全不同：投資方會(huì)要求6個(gè)月~1年見(jiàn)效，而大學(xué)傳統(tǒng)節(jié)奏是3年甚至更久。

這將是一場(chǎng)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(wèn)題。

大學(xué)長(zhǎng)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(píng)審周期太慢，2024年的申請(qǐng)書，2026年評(píng)審說(shuō)“已經(jīng)過(guò)時(shí)了”，這是巨大問(wèn)題。

賈因：

我沒(méi)有補(bǔ)充。

觀眾提問(wèn) & 結(jié)尾

觀眾：

我們能做什么具體的事來(lái)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(jí)別的問(wèn)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(guò)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(lái)了，不會(huì)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(huì)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(lái)，機(jī)遇無(wú)限，我們必須擁抱它。

有請(qǐng)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)?lái)精彩的一天。

也感謝在座每一位。

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

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(huì)議全文

2026AI科學(xué)盛典——圓桌討論《AI與數(shù)學(xué)》會(huì)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(lè)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(jiàn)易得

易傳易及

歡迎評(píng)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(lè)

公眾號(hào)主頁(yè)

右上角

置頂加星★

數(shù)學(xué)科普不迷路！