MIT施瓦茨曼计算学院举办首届AI教育者试点工作坊，邀请全美高校教师学习如何将机器学习课程材料改编至各自课堂，强调跨学科教学，帮助教师超越“黑箱”理解AI，并计划建立教育者网络以扩大AI教育覆盖范围。

MIT量子计划（QMIT）启动博士后奖学金项目，获摩尔基金会资助，旨在促进跨学科量子研究，培养下一代科学领袖。首批研究员将于2026年秋季入职，涵盖物理、化学、材料等领域，探索量子计算、传感、材料及AI结合等前沿方向，并融入MIT量子生态系统，推动量子技术解决社会重大挑战。

清华姚班2026级录取约90人，新班主任徐梦迪从车辆工程转向机器人研究，主张通用机器人需具备适应能力，而非仅靠扩大模型和数据。她通过少量示范、技能迁移和大模型知识应用三条路径探索，强调可靠性与人机交互，体现姚班跨学科交叉发展趋势。

何静是北航副教授，在B站以通俗方式科普AI走红。她回应了学历、项目数量等争议，强调跨学科思维和稀缺性价值。她认为AI时代需快速回应现实，并分享了自己从理工科转向传播学的经历，以及用AIGC回应谣言的创作过程。

科学教育应鼓励质疑与论证，而非盲从课本。通过批判性评估正反证据，学生能培养真正的科学思维。科学论文的价值在于带来意外发现，跨学科研究常产生颠覆性突破。真正的科学精神是面对质疑，用证据回应，而非将理论奉为圣旨。

2025年WAIC大会上，哲学成为AI领域热门话题。论坛聚焦AI治理、科研可信及社会影响，探讨自进化模型、数学验证、蛋白质动态及社会模拟等前沿问题。专家强调AI需扎根真实世界，治理需平衡创新与风险，并推动跨学科合作，确保技术红利合理分配。

张无忌接任明教教主的情节反映了当今AI时代的人才选拔机制。DeepSeek招聘新人的方式强调能力而非经验，要求扎实的基础和专业判断力，适应AI行业对多样化人才的需求。年轻人应了解岗位要求，以便更好地进行职业规划，不断提升自己。

麻省理工学院推出的“通用学习”计划旨在通过跨学科思维帮助全球学习者应对复杂挑战。该计划结合MIT教师的专业知识和在线教育创新，提供以真实案例和实践练习为中心的学习体验。首个课程“通用人工智能”已上线，未来将涵盖气候、能源等领域，强调灵活的模块化学习，旨在为更多学习者提供广泛的教育机会。

食品信息学是一个跨学科领域，旨在整合和分析食品相关数据，涵盖分子、食物和系统三个层面，强调数据流动与知识发现。未来发展方向包括数据整合、基础设施建设、探索设计、专家协作及教育培训。

麻省理工学院与哈索·普拉特纳学院联合成立AI与创造力中心，旨在加强计算与设计的结合，推动跨学科研究与教育，支持AI应用的学术探索，促进国际合作与创新。

麻省理工学院开设了新课程“人工智能与理性”，探讨计算机科学与哲学的交集。课程鼓励学生从AI研究的角度思考理性和决策，强调批判性思维的重要性，促进跨学科交流。

诸葛菜社区通过开源方式培养AI工程人才，面向全国高校的学生和教师，提供透明的课程体系，鼓励在真实项目中学习与协作，提升跨学科开发能力。

麻省理工学院施瓦茨曼计算学院欢迎11位新教师，研究领域包括可持续设计、卫星遥感和决策理论等。院长丹·哈滕洛赫表示，这些教师的研究处于计算前沿，影响深远。新教师职位涵盖政治学、语言学和哲学等多个学科。

随着人工智能和自动化的快速发展，软件工程师成为全球转型的关键。然而，传统教育仍偏重于中层整合，导致毕业生缺乏全面的设计能力。本文呼吁建立端到端的工程教育，整合软件、硬件和网络安全，以培养具备跨学科思维的创新人才，满足社会对安全和稳健系统的需求。

在MIT，马修·卡伦申请加入计算学院本科顾问组（UAG），该组由约25名学生组成，旨在提供反馈并与学院领导沟通，促进跨学科合作，改善课程和学生体验。朱莉亚·施奈德与团队开发了NerdXing网站，帮助学生探索课程选择，展示计算与其他学科的交叉。UAG致力于提升MIT本科教育。