3つの問い：AIと数理・物理科学の未来について
MITのワークショップ報告書は、数学・物理科学とAIの相互発展のための協調的投資と「AIの科学」という双方向アプローチを提唱し、2024年ノーベル賞の例も示しながら両分野の融合的未来を描いている。
キーポイント
AIと科学の双方向関係
AIを科学に活用するだけでなく、科学的アプローチでAI自体を改善する「AIの科学」という概念を提唱し、科学がAIの基礎的アプローチを形成し、科学的課題が新アルゴリズム開発を推進するという相互発展の道筋を示している。
協調的投資の必要性
計算・データインフラ、学際的研究手法、厳格なトレーニングへの協調的投資が、AIと科学の両方を有意義に前進させるというワークショップ参加者の合意が形成された。
歴史的転換点の認識
現在のAI革命は数学・物理科学の数十年にわたる研究によって支えられており、2024年ノーベル物理学・化学賞が物理学に根ざした基礎的AI手法とタンパク質設計へのAI応用を認めたことで、この関連性が明確になった。
具体的提言の公開
NSFとMITが資金提供したワークショップの成果が白書として『Machine Learning: Science and Technology』に掲載され、資金提供機関、研究機関、研究者向けの具体的な提言が公表された。
影響分析・編集コメントを表示
影響分析
この記事は、AI研究が単なるツール開発から科学的方法論との深い融合段階に入ったことを示しており、学術界と産業界の協力フレームワークの構築に影響を与える。特に資金配分や研究評価の基準変更を促し、長期的な基礎研究投資の重要性を再認識させる可能性がある。
編集コメント
AI研究の潮流が「応用優先」から「基礎科学との融合」へシフトしていることを示唆する重要なレポート。特に資金配分機関向けの提言を含む点で、研究エコシステム全体に影響を与える可能性が高い。
*好奇心に駆られた研究は、長年にわたり技術的変革の火付け役となってきました。1 世紀前、原子への好奇心が量子力学を生み、最終的に現代計算の心臓部であるトランジスタへとつながりました。逆に、蒸気機関は実用的なブレークスルーでしたが、その力を完全に活用するには熱力学における基礎研究が必要でした。
今日、人工知能と科学は同様の転換点に立っています。現在の AI 革命は、数学および物理科学（MPS）における数十年の研究によって支えられており、それが現代の AI を可能にした困難な課題、データセット、そして洞察を提供しました。物理学および化学における 2024 年のノーベル賞は、物理学に根ざした基礎的な AI 手法と、タンパク質設計への AI 応用を評価するものであり、このつながりを無視することは不可能となりました。
2025 年、MIT は国立科学財団の資金提供を受け、MIT 理学部および物理学・化学・数学科の支援のもと、「AI と数学・物理科学の未来に関するワークショップ」を開催しました。このワークショップでは、AI と科学の分野をリードする研究者が集まり、数学・物理科学（MPS）領域が AI の未来にどのように最大限貢献し、またその恩恵を受けるべきかを模索しました。現在、資金提供機関、研究機関、および研究者向けの提言を含むホワイトペーパーが『Machine Learning: Science and Technology』誌に掲載されています。本インタビューでは、MIT 物理学教授でありワークショップの議長を務めるジェシー・タラー氏が、主要なテーマと、AI と科学の分野でリーダーシップを発揮するために MIT がどのように位置づけを進めているかについて解説します。
Q: 昨年の数学・物理科学分野の指導者たちの集まりに関する報告書の主要なテーマは何ですか？
A: AI と科学の最前線で活躍する多くの研究者を一堂に集めることは、非常に示唆に富むものでした。ワークショップ参加者は天文学、化学、材料科学、数学、物理学という 5 つの異なる科学コミュニティから来ていましたが、各分野がどのように AI に取り組んでいるかには多くの共通点があることがわかりました。活発な議論を通じて浮き彫りになったのは、計算資源とデータインフラへの協調的な投資、学際的な研究手法、そして厳格な訓練が、AI と科学の双方を有意義に前進させることができるという確固たる合意です。
中心的な洞察の一つは、これは双方向の道であるべきだということです。AI を用いてより良い科学を行うことだけでなく、科学が AI をより良くすることも含まれます。科学者は、神経ネットワークを含む複雑系から潜在的な原理や創発的振る舞いを解明することで、知見を抽出する能力に長けています。これを「AI の科学」と呼び、3 つの形態があります：科学が AI を駆動する（科学的推論が基礎的な AI 手法に示唆を与える）、科学が AI にインスピレーションを与える（科学的課題が新しいアルゴリズムの開発を促す）、そして科学が AI を説明する（科学的ツールが機械知能の実際の動作を解明するのに役立つ）です。
私の専門分野である素粒子物理学では、例えば研究者たちが加速器実験からのデータ洪水に対処するためのリアルタイム AI アルゴリズムを開発しています。この研究は新物理の発見に直接的な影響を持ちますが、アルゴリズム自体が私たちの分野を超えても非常に価値あるものであることが明らかになっています。ワークショップを通じて、「AI の科学」はコミュニティの優先事項であるべきであり、AI システムを理解し、開発し、制御する方法を変革する可能性を秘めていることが強調されました。
もちろん、科学と AI を結びつけるには、両方の世界で活躍できる人材が必要です。参加者たちは一貫して、「ケンタウロスの科学者」— 真の学際的専門知識を持つ研究者 — の必要性を強調しました。統合された学部課程から学際的な博士課程、そして共同教員採用に至るまで、キャリアのあらゆる段階でこれらの多才な人材を支えることが不可欠であるという点に合意が得られました。
Q: MIT の AI および科学分野における取り組みは、ワークショップの提言とどのように整合していますか？
A: ワークショップは、その提言を 3 つの柱——研究、人材、コミュニティ——を中心に構成しました。MIT とハーバード大学、ノースイースタン大学、タフツ大学の共同による AI および物理学への取り組みである NSF Institute for Artificial Intelligence and Fundamental Interactions（IAIFI）のディレクターとして、この枠組みがいかに効果的かを肌で実感してきました。これを MIT 全体に拡大して見ると、進捗が遂げられている箇所と、機会が存在する箇所が明確になります。
研究面では、MIT はすでに AI と科学の相互作用的な取り組みを両方向で推進しています。*MIT News* を少しスクロールしただけでも、理学部内の個々の研究者が AI 駆動型のプロジェクトに取り組んでいる様子がわかり、知識の蓄積パイプラインを構築し、新たな機会を浮き彫りにしていることが分かります。同時に、IAIFI や Accelerated AI Algorithms for Data-Driven Discovery (A3D3) Institute（データ駆動型発見のための加速された AI アルゴリズム研究所）のような共同取り組みは、より大きなインパクトをもたらすために学際的なエネルギーを集約しています。また、MIT Generative AI Impact Consortium は、大学規模での応用指向の AI 研究も支援しています。
初期キャリアの AI と科学分野の人材を育成するため、いくつかのイニシアチブが次世代のケンタウルス型科学者の養成に取り組んでいます。MIT Schwarzman 計算機学院の Common Ground for Computing Education program は、学生が計算機科学と自らの専門分野の両方で「バイリンガル」になることを支援しています。また、学際的な博士課程パスウェイも注目を集めており、IAIFI は MIT Institute for Data, Systems, and Society と協力して物理学・統計学・データサイエンスにおけるパスウェイを創設しました。現在、物理学の博士課程学生の約 10% がこのパスウェイを選択しており、その数はさらに増加すると見込まれています。IAIFI Fellowship や Tayebati Fellowship といった専任のポスドク職は、初期キャリアの研究員が学際的な研究に取り組むための自由を与えています。ケンタウルス型科学者を支援し、彼らが分野間や大学間、そしてキャリアの異なる段階を超えてつながりを築くための空間を提供することは、変革をもたらすものでした。
最後に、コミュニティ形成がこれらすべての要素を結びつけています。焦点を絞ったワークショップから大規模なシンポジウムに至るまで、学際的なイベントを組織することは、AI と科学が孤立した作業ではないことを示しています。それは新興の分野なのです。MIT には大きな影響力を持つための人材とリソースがあり、これらの集まりを多様な規模で開催することで、そのリーダーシップを確立する手助けとなります。
Q: MIT は、AI と科学の取り組みをさらに推進する上でどのような教訓を得るべきでしょうか？
A: ワークショップで明確になった重要な点は、AI と科学において主導権を握るのは、断片的な対応ではなく体系的に考える機関だということです。リソースは有限であるため、優先順位が重要です。ワークショップ参加者たちは、機関が一貫した戦略の下で採用、研究、教育を調整することで何が可能になるかを明確にしていました。
MIT は、すでに進行中の取り組みの上に、より構造的なイニシアチブを構築する好機にあります。具体的には、計算科学と科学分野にまたがる共同教員ポストの設置、学際的な学位プログラムの拡大、そして意図的な「AI の科学」への資金提供です。この方向への動きはすでに始まっており、今年、MIT シュワルツマン計算科学学院と物理学部が初めて合同での教員採用活動を実施しています。これは非常に楽しみです。
AI と科学の好循環には、真に変革をもたらす可能性があり、AI に対するより深い洞察を提供し、科学的発見を加速させ、両者にとって堅牢なツールを生み出すことができます。意図的な戦略を開発することで、MIT は今後の AI の波において主導権を握り、その恩恵を受けるための好機を得ることになります。
原文を表示
*Curiosity-driven research has long sparked technological transformations. A century ago, curiosity about atoms led to quantum mechanics, and eventually the transistor at the heart of modern computing. Conversely, the steam engine was a practical breakthrough, but it took fundamental research in thermodynamics to fully harness its power. *
*Today, artificial intelligence and science find themselves at a similar inflection point. The current AI revolution has been fueled by decades of research in the mathematical and physical sciences (MPS), which provided the challenging problems, datasets, and insights that made modern AI possible. The 2024 Nobel Prizes in physics and chemistry, recognizing foundational AI methods rooted in physics and AI applications for protein design, made this connection impossible to miss.*
*In 2025, MIT hosted a *Workshop on the Future of AI+MPS*, funded by the National Science Foundation with support from the MIT School of Science and the MIT departments of Physics, Chemistry, and Mathematics. The workshop brought together leading AI and science researchers to chart how the MPS domains can best capitalize on — and contribute to — the future of AI. Now a white paper, with recommendations for funding agencies, institutions, and researchers, has been *published in Machine Learning: Science and Technology. *In this interview, Jesse Thaler, MIT professor of physics and chair of the workshop, describes key themes and how MIT is positioning itself to lead in AI and science.*
Q: What are the report’s key themes regarding last year’s gathering of leaders across the mathematical and physical sciences?
A: Gathering so many researchers at the forefront of AI and science in one room was illuminating. Though the workshop participants came from five distinct scientific communities — astronomy, chemistry, materials science, mathematics, and physics — we found many similarities in how we are each engaging with AI. A real consensus emerged from our animated discussions: Coordinated investment in computing and data infrastructures, cross-disciplinary research techniques, and rigorous training can meaningfully advance both AI and science.
One of the central insights was that this has to be a two-way street. It’s not just about using AI to do better science; science can also make AI better. Scientists excel at distilling insights from complex systems, including neural networks, by uncovering underlying principles and emergent behaviors. We call this the “science of AI,” and it comes in three flavors: science driving AI, where scientific reasoning informs foundational AI approaches; science inspiring AI, where scientific challenges push the development of new algorithms; and science explaining AI, where scientific tools help illuminate how machine intelligence actually works.
In my own field of particle physics, for instance, researchers are developing real-time AI algorithms to handle the data deluge from collider experiments. This work has direct implications for discovering new physics, but the algorithms themselves turn out to be valuable well beyond our field. The workshop made clear that the science of AI should be a community priority — it has the potential to transform how we understand, develop, and control AI systems.
Of course, bridging science and AI requires people who can work across both worlds. Attendees consistently emphasized the need for “centaur scientists” — researchers with genuine interdisciplinary expertise. Supporting these polymaths at every career stage, from integrated undergraduate courses to interdisciplinary PhD programs to joint faculty hires, emerged as essential.
Q: How do MIT’s AI and science efforts align with the workshop recommendations?
A: The workshop framed its recommendations around three pillars: research, talent, and community. As director of the NSF Institute for Artificial Intelligence and Fundamental Interactions (IAIFI) — a collaborative AI and physics effort among MIT and Harvard, Northeastern, and Tufts universities — I’ve seen firsthand how effective this framework can be. Scaling this up to MIT, we can see where progress is being made and where opportunities lie.
On the research front, MIT is already enabling AI-and-science work in both directions. Even a quick scroll through *MIT News* shows how individual researchers across the School of Science are pursuing AI-driven projects, building a pipeline of knowledge and surfacing new opportunities. At the same time, collaborative efforts like IAIFI and the Accelerated AI Algorithms for Data-Driven Discovery (A3D3) Institute concentrate interdisciplinary energy for greater impact. The MIT Generative AI Impact Consortium is also supporting application-driven AI work at the university scale.
To foster early-career AI-and-science talent, several initiatives are training the next generation of centaur scientists. The MIT Schwarzman College of Computing's Common Ground for Computing Education program helps students become “bilingual” in computing and their home discipline. Interdisciplinary PhD pathways are also gaining traction; IAIFI worked with the MIT Institute for Data, Systems, and Society to create one in physics, statistics, and data science, and about 10 percent of physics PhD students now opt for it — a number that's likely to grow. Dedicated postdoctoral roles like the IAIFI Fellowship and Tayebati Fellowship give early-career researchers the freedom to pursue interdisciplinary work. Funding centaur scientists and giving them space to build connections across domains, universities, and career stages has been transformative.
Finally, community-building ties it all together. From focused workshops to large symposia, organizing interdisciplinary events signals that AI and science isn’t siloed work — it’s an emerging field. MIT has the talent and resources to make a significant impact, and hosting these gatherings at multiple scales helps establish that leadership.
Q: What lessons can MIT draw about further advancing its AI-and-science efforts?
A: The workshop crystallized something important: The institutions that lead in AI and science will be the ones that think systematically, not piecemeal. Resources are finite, so priorities matter. Workshop attendees were clear about what becomes possible when an institution coordinates hires, research, and training around a cohesive strategy.
MIT is well positioned to build on what’s already underway with more structural initiatives — joint faculty lines across computing and scientific domains, expanded interdisciplinary degree pathways, and deliberate “science of AI” funding. We’re already seeing moves in this direction; this year, the MIT Schwarzman College of Computing and the Department of Physics are conducting their first-ever joint faculty search, which is exciting to see.
The virtuous cycle of AI-and-science has the potential to be truly transformative — offering deeper insight into AI, accelerating scientific discovery, and producing robust tools for both. By developing an intentional strategy, MIT will be well positioned to lead in, and benefit from, the coming waves of AI.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み