2026 年 2 月 10 日（美国太平洋时间），一场不同寻常的聚会正在将数学家、物理学家与人工智能先驱聚集在同一个屋檐下。
2026 年 2 月 10 日（美国太平洋时间），一场不同寻常的聚会正在将数学家、物理学家与人工智能先驱聚集在同一个屋檐下。
在科技巨头们竞相发布更强模型的喧嚣之外，由菲尔兹奖得主陶哲轩（Terence Tao）联合创立的科学与人工智能研究基金会（SAIR Foundation），举办了名为「AI for Science: Kickoff 2026」的首届年度盛会。
出席本次活动的不仅有陶哲轩，还有诺贝尔物理学奖得主巴里·巴里什（Barry Barish）和图灵奖得主、强化学习之父理查德·萨顿（Rich Sutton），以及来自微软、英伟达、OpenAI 及亚马逊等科技巨头的代表。
在这个人工智能大规模应用的关键历史节点，SAIR 提出了一项新的课题：不仅要用 AI 加速科学发现，还要用科学重塑人类未来 AI 的发展路径。他们的最终目标直指如何用科学的方法来构建通用人工智能（AGI）乃至超级人工智能（ASI）。
数学界的「平权运动」
作为 SAIR 的联合创始人和灵魂人物，陶哲轩在主旨演讲《机器辅助与研究数学的未来》中，描绘了一幅令人意外的图景。
过去几年，形式化证明助手（Formal Proof Assistants）与大语言模型（LLMs）的结合，正在悄然改变数学这一古老学科的数千年以来的运作方式。陶哲轩指出，技术带来的不仅仅是解决问题能力的提升，更是协作模式的根本性变革。
他以「Erdős problem site」为例，指出系统化的问题收集平台与 AI 工具的结合，正在显著降低数学研究的准入门槛。一个引人注目的现象是，许多参与解决高深数学问题的贡献者，并非传统的职业数学家。AI 正在让数学研究变得更加普惠，这种「去中心化」的智力贡献模式，或许正是未来科研的雏形。
从 LIGO 到未来：AI 成为大科学装置的「设计师」
如果说陶哲轩关注的是科学理论层面的协作，诺贝尔奖得主巴里·巴里什则展示了 AI 在科学工程上的硬核力量。
在回顾 LIGO 发现引力波十周年的历程时，巴里什将目光投向了 2030 年代。在过去的 10 年间，AI 已经被大量用于数据分析以提高总体的灵敏度。下一代引力波探测器的灵敏度预计将再提升十倍，而实现这一跃升的关键，在于如何处理极度非线性且强耦合的复杂设计空间——从光学配置到量子噪声的抑制。
巴里什强调，AI 的角色已发生质变：在我们追求更高灵敏度的过程中，它不再仅仅是建设完成后的数据分析工具，而是从概念设计阶段就介入的核心「设计师」。这意味着，人类探索宇宙的大型基础设施，其底层构建逻辑正在被人工智能重写。
萨顿的预言：从「数据」到「经验」
会议中最具哲学意味的声音来自理查德·萨顿。这位图灵奖得主在题为《AI 的未来》的演讲中，对当前的 AI 发展范式提出了反思。
萨顿认为，我们正处于一个时代的转折点：从 2020 年代依赖「人类数据」喂养 AI，转向依赖「经验学习」（Experience Learning）。未来的 AI 将不再仅仅是对人类知识的模仿，而是像生物一样，通过持续的经验积累获取新知。
在谈及备受关注的 AI 安全与治理时，萨顿警告应避免基于恐惧的中心化控制。他主张科学界应以一种去中心化的合作模式，带着勇气与探索精神去拥抱这一变革。在他看来，AI 的进化是宇宙发展的必然一步。
拓展智能科学的边界
在长达数小时的圆桌讨论中，来自学术界、工业界与教育界的领袖们反复触及一个核心共识：AI 一方面可被视为提升效率的工具，但它也正在引发科学革命，并且 AI 本身就是待探索的科学对象。
正如 SAIR Foundation 联合创始人 Chuck Ng 所言，本次大会所传递出的信号，SAIR Foundation 的成立是为了倡导一种新的科研范式——「拓展智能科学的边界」（Scaling the Science of Intelligence）。
从陶哲轩的数学协作网络，到巴里什的工程设计革命，再到萨顿对 AI 进化路径的预判，一条清晰的路径正在浮现：将科学的严谨性（可验证、可复现）与 AI 的扩展性（高算力、大数据）深度融合。
这或许是人类通往 AGI 乃至 ASI 最稳健的一条道路：打破封闭的实验室围墙，建立开放的社区协作体系，在机器智能狂飙突进的时代，为其注入科学的灵魂。
关于 SAIR Foundation
科学与人工智能研究基金会（SAIR Foundation）成立于 2025 年，是一家由菲尔兹奖得主陶哲轩教授发起、多位诺贝尔奖得主及全球顶尖科学家共同指导的非营利性研究机构。基金会致力于解决科研体系的结构性瓶颈，通过跨学科的全球协作，以科学、安全的方式加速向通用人工智能（AGI）和超级人工智能（ASI）的演进。
来源：互联网
