人工智能和基础相互作用研究所将研究人工智能（AI）和物理基本相互作用（FI）的交集。
IAIFI将推动物理知识的发展-从最小的自然构成元素到宇宙中最大的结构-并激发AI研究创新。
美国国家科学基金会（NSF）上周宣布了超过1亿美元的投资，以建立五个人工智能（AI）研究所，每所研究所在五年内获得大约2000万美元。其中之一是NSF AI人工智能与基础互动研究所（IAIFI），将由MIT的核科学实验室（LNS）领导，并成为MIT和哈佛大学东北部地区的25多名物理学和AI高级研究人员的智慧之家和塔夫茨大学。
通过合并物理学和AI方面的研究，IAIFI致力于解决物理学中一些最具挑战性的问题，包括物质结构的精确计算，合并黑洞的重力波检测以及从噪声数据中提取新的物理定律。 。
麻省理工学院物理副教授，LNS研究员兼IAIFI主任杰西·塔勒（Jesse Thaler）说：“ IAIFI的目标是，基于人工智能可以直接整合物理智能的变革思想，开发下一代AI技术。”“通过将“深度学习”革命与久经考验的物理“深度思考”策略融合在一起，我们的目标是对我们的宇宙以及智能的基本原理有更深入的了解。
IAIFI研究人员表示，他们的方法将使突破性的物理学发现得以实现，并通过开发结合基本物理学的第一原理的新颖AI方法，从而更广泛地推动AI的发展。
麻省理工学院物理学副教授，LNS研究员兼IAIFI副主任迈克·威廉姆斯（Mike Williams）说：“采用平移对称性的简单原理（本质上会导致动量守恒）导致了图像识别的显着改善。”“我们相信，结合更复杂的物理原理将彻底改变人工智能用于研究基本相互作用的方式，同时又可以促进人工智能的发展。”
此外，IAIFI任务的核心内容是将其技术转移到更广泛的AI社区。
NSF主任说：“ NSF认识到AI的关键作用，正在投资于协作研究和教育中心，例如以MIT为基地的NSF IAIFI，它将汇集学术界，行业和政府，以发掘深刻的发现并开发新的功能，” NSF主任说。 Sethuraman Panchanathan。“就像先前NSF的投资实现了导致当今AI革命的突破一样，今天宣布的奖项将推动发现和创新，这些创新和创新将在未来几十年中维持美国在AI方面的领导地位和竞争力。”
人工智能和基础交互研究
基本相互作用由现代物理学的两个支柱描述：粒子物理学的标准模型在短距离内以及大爆炸宇宙论的Lambda Cold Dark Matter模型在远距离上进行描述。两种模型均基于物理第一性原理，例如因果关系和时空对称性。大量的实验证据支持了这些理论，但也揭露了它们不完整的地方，最紧迫的是标准模型无法解释暗物质的性质，暗物质在宇宙学中起着至关重要的作用。
人工智能有潜力帮助回答这些问题以及物理学中的其他问题。
对于许多物理问题，编码基本物理定律的控制方程是已知的。但是，在这些框架内进行关键计算（这对于检验我们对宇宙的理解并指导物理学发现至关重要）可能对计算有很高的要求，甚至是棘手的。IAIFI研究人员正在为此类第一性原理研究开发AI，这自然需要严格编码物理知识的AI方法。
麻省理工学院物理学助理教授兼LNS研究人员Phiala Shanahan说：“我的团队正在为理论核物理开发出新的，可证明的精确算法。”“事实证明，我们的第一原理方法已在其他科学领域甚至机器人技术中得到了应用，从而导致了与行业合作伙伴的激动人心的合作。”
将物理原理整合到AI中也可能对许多实验应用产生重大影响，例如设计更易于验证的AI方法。IAIFI研究人员正在努力提高各种设施的科学潜力，包括大型强子对撞机（LHC）和激光干涉仪重力波天文台（LIGO）。
“重力波探测器是地球上最敏感的仪器之一，但用于操作重力探测器的计算系统主要基于上个世纪的技术，”麻省理工学院卡夫里天体物理与空间研究所的首席研究科学家丽莎·巴索蒂（Lisa Barsotti）说。“我们才刚刚开始摸索AI可以完成的工作；足以证明IAIFI将改变游戏规则。”
这些物理应用程序的独特功能还为AI提供了引人注目的研究机会。例如，了解物理的体系结构和硬件开发可能会导致AI算法速度的提高，而统计物理学方面的工作为理解AI动力学提供了理论基础。
麻省理工学院电气工程和计算机科学助理教授，计算机研究人员Pulkit Agrawal表示：“物理学激发了许多久经考验的机器学习思想：最大化熵，玻尔兹曼机器和变分推理。”科学与人工智能实验室（CSAIL）。“我们相信物理学家和AI研究人员之间的紧密互动将成为导致下一代机器学习算法的催化剂。”
培养早期职业人才
人工智能技术正在迅速发展，这使得在物理与人工智能的交汇处培训初级研究人员变得既重要又具有挑战性。IAIFI旨在通过其IAIFI研究员计划，招募和培训一支才华横溢且充满激情的早期职业研究人员小组，包括在博士后阶段。
麻省理工学院物理学教授马林说：“通过为我们的研究人员提供研究问题的选择，并有机会专注于物理学和人工智能领域的前沿挑战，我们将为许多有才华的年轻科学家做好准备，使其成为学术界和工业界的未来领导者。”电子研究实验室（RLE）的Soljacic。
IAIFI研究人员希望这些研究人员能够引发跨学科和多研究人员的合作，提出新的想法和方法，将物理挑战转化为他们的母语以外的领域，并帮助发展跨学科的通用语言。首届IAIFI研究员的申请将于10月中旬提交。
麻省理工学院脑与认知科学副教授，数据，系统与社会研究所（IDSS）研究员Thaler，Williams和Alexander Rakhlin率先开展的另一项相关工作是开发新的物理学跨学科博士课程，统计和数据科学，这是物理学系与统计和数据科学中心之间的共同努力。
统计和数据科学是人工智能的基础。加入跨学科博士课程的物理学将提出新的思想和探索领域，同时在物理学，统计学和人工智能的交汇点上培养新一代的领导者。 Rakhlin说。
教育，推广和伙伴关系
IAIFI旨在通过促进教育和推广来培养“人类智慧”。例如，IAIFI成员将为在麻省理工学院建立面向非传统背景学生的MicroMasters学位课程做出贡献。
“我们将通过为MicroMasters计划提供研究金，增加来自代表性不足的群体的物理和AI学生的数量，”物理和电气工程教授，数字学习高级副院长，麻省理工学院RLE研究员Isaac Chuang说。“我们还计划与MIT暑期研究计划的本科生合作，向他们介绍他们可能无法在自己的家庭机构中使用的物理学和AI研究工具。”
IAIFI计划通过众多外展工作来扩大影响，包括一项K-12计划，该计划向学生提供LHC和LIGO的数据，并负责重新发现希格斯玻色子和引力波。
麻省理工学院的LNS研究员物理学助理教授Phil Harris说：“在确认了这些最近的诺贝尔奖之后，我们可以要求学生使用AI和基本物理学原理来发现嵌入在数据中的微小人造信号。”“通过这样的项目，我们希望传播有关物理，人工智能及其交叉学科的知识，并激发他们的热情。”
此外，IAIFI将与行业和政府合作，以推动AI和物理领域以及将从AI创新中受益的社会领域。IAIFI成员已经与行业合作伙伴进行了许多积极的合作，包括DeepMind，Microsoft Research和Amazon。
麻省理工学院物理学教授马克斯·泰格马克说：“我们将解决两个最大的科学难题：我们的宇宙是如何工作的，以及情报是如何工作的。”“我们的关键策略是将它们联系起来，使用物理来改善AI，使用AI来改善物理。我们很高兴NSF为启动这项令人振奋的工作而投入了至关重要的种子资金。”
在麻省理工学院及以后建立新的联系
利用MIT的协作文化，IAIFI的目标是建立新的联系并加强MIT和其他地区现有的联系。
在IAIFI目前的27位高级调查员中，有16位在麻省理工学院，并且是LNS，RLE，MIT Kavli Institute，CSAIL和IDSS的成员。此外，IAIFI的研究人员是麻省理工学院由NSF支持的相关工作的成员，例如麦戈文脑科学研究所内的大脑，思维和机器中心以及麻省理工学院哈佛大学的超冷原子中心。
“在将物理学和计算机科学结合在一起研究AI时，我们期望有很多创新的协同作用，”托马斯·格尔德·珀金斯（Thomas and Gerd Perkins）电气工程与计算机科学教授，CSAIL研究员比尔·弗里曼（Bill Freeman）说。“我很高兴与物理学同事一起探讨桥接这些领域的话题。”
更广泛地说，IAIFI的目标是使剑桥，马萨诸塞州和周围的波士顿地区成为促进物理和人工智能共同努力的枢纽。
“正如我们在8.01和8.02版中所讲授的那样，使物理学如此强大的部分原因是它提供了一种可以应用于广泛的科学问题的通用语言，” Thaler说。“通过IAIFI，我们将创造一种超越物理学和AI之间的知识界限的通用语言，以促进突破性的发现。”
