麻省理工学院多位成员入选2026年施密特科学AI2050奖学金研究员
内容提要
麻省理工学院五位教授和两位校友入选施密特科学宣布的2026年AI2050奖学金，该计划旨在推动有益人工智能研究。资深研究员Sendhil Mullainathan研究算法与人的交叉，聚焦将AI可检测的模式转化为可检验理论；四位早期职业研究员Alex Damian、Bailey Flanigan、Yunha Hwang和Manish Raghavan分别研究AI模型训练、结构化公众意见收集、生物酶功能判定及减轻AI依赖的负面影响。
延伸解读
AI2050的逆向设问：从理想结果反推研究议程
AI2050要求每位研究员回答一个逆向设问：假设2050年AI已对社会产生巨大益处，那么哪些关键问题被解决、哪些机会被实现。这种“以终为始”的框架不同于常见的风险清单式讨论，它迫使研究者先定义“有益”的具体形态，再倒推技术路线。对读者而言，这意味着入选项目并非单纯追求性能突破，而是带有明确的社会效用预设，评估这些研究时也应关注其预设是否合理、可检验。
五位MIT学者的研究方向覆盖数学基础到社会制度
从入选者的项目看，研究光谱相当宽：Damian聚焦深度学习数学基础与优化动态，Hwang用机器学习判定生物酶功能，Flanigan研究结构化公众意见收集，Raghavan关注减轻AI依赖的负面影响，资深研究员Mullainathan则试图把AI可检测的模式转化为可检验理论。这显示AI2050并未把“有益AI”窄化为对齐或安全，而是同时资助底层理论、科学发现与民主决策工具，读者可据此判断该计划的实际侧重。
“可检验理论”是Mullainathan项目的关键落点
作为资深研究员，Mullainathan的项目核心不是开发新模型，而是把AI能检测到的模式翻译成可检验的理论。这一表述值得注意：AI擅长发现相关性，但科学进步需要可证伪的机制解释。若该路径成立，AI的角色将从预测工具转为理论生成器，其价值取决于转化后的理论能否被独立数据验证。文章未给出具体方法或案例，因此这一目标目前仍是方向性承诺，而非已展示的成果。
早期职业研究员占比高，但项目细节有限
七位MIT相关入选者中，四位早期职业研究员和三位校友均处于职业生涯早期，资深研究员仅Mullainathan一位。这种结构说明AI2050在押注新一代研究者，但也意味着多数项目尚处起步阶段。文章对每位早期职业研究员的项目仅有一句话描述，未披露资助金额、期限或预期产出，读者不宜据此推断项目成熟度或影响力，更适合将其视为研究方向的风向标。
Q&A
2026年施密特科学AI2050奖学金研究员名单中，麻省理工学院有哪些人入选？
麻省理工学院有五位教授和两位校友入选。五位教授是：Sendhil Mullainathan（资深研究员）、Alex Damian、Bailey Flanigan、Yunha Hwang和Manish Raghavan（均为早期职业研究员）。两位校友是Irene Chen博士（2022年）和Allison Z. Koenecke（2014年）。此外，前博士后Juan Carlos Perdomo也入选了早期职业研究员。
AI2050计划的核心目标是什么？
AI2050是由施密特科学（Eric和Wendy Schmidt的慈善倡议）发起的慈善计划，旨在帮助解决人工智能领域的难题，推动有益的人工智能研究。其核心 motivating question 是：“到了2050年，AI被证明对社会 hugely beneficial。发生了什么？我们解决了哪些最重要的问题，实现了哪些机遇和可能性来确保这一结果？”
Sendhil Mullainathan在AI2050项目中的研究重点是什么？
他的AI2050项目聚焦于将AI可检测的模式转化为可检验的理论。他的研究位于算法与人的交叉领域，并致力于启动The Bike Shop@MIT——一个通过可扩展的“思维自行车”和机器学习算法的新工具来推动更以人为本的AI的研究中心。
Bailey Flanigan的AI2050项目关注什么？
她的AI2050项目关注收集结构化的公众意见，供立法者在做出复杂决策时使用。她的研究结合社会选择理论、博弈论、算法、统计学和调查方法，旨在推进政治方法论并加强公众参与民主。
Yunha Hwang在AI2050项目中研究什么？
她的AI2050项目聚焦于确定生物酶的功能。她的研究兴趣涵盖微生物进化的机器学习、生物制造和开放科学，并且她是非营利组织Tatta Bio的联合创始人兼首席科学家，致力于推进基因组AI用于生物发现。
Manish Raghavan的AI2050项目旨在解决什么问题？
他的AI2050项目旨在减轻广泛依赖AI的负面影响，并强化其积极方面。他的研究兴趣在于将计算技术应用于社会关注领域，包括算法公平性和行为经济学，尤其关注算法工具在招聘流程中的应用。
