数学家陶哲轩创立SAIR基金会，旨在促进AI与科学的结合，推动科研普惠化。他强调AI在科研中的可信度和可解释性，倡导跨学科合作，培养年轻科学家。AI将改变科研模式，但基础训练仍然重要。

好奇心驱动的研究促进了技术变革，当前的人工智能革命源于数学和物理科学的研究。麻省理工学院的研讨会强调跨学科合作和人才培养，以推动AI与科学的结合，促进科学发现和AI发展。

文章探讨了人工智能和机器学习中的隐私与安全问题，强调在技术进步与风险管理之间的平衡。作者提到需建立责任文化，避免恐惧营销，指出仅依靠护栏和性能提升无法解决隐私问题。建议通过跨学科合作和定期风险评估来应对这些挑战。

在2025年InfoQ开发峰会上，Katharine Jarmul挑战了五个关于AI安全和隐私的神话，强调仅靠技术解决方案无法应对根本风险，呼吁跨学科合作和持续测试。她指出，AI自动化已超越辅助，给隐私和安全团队带来压力，认为单次红队测试和风险分类不足以解决问题，建议进行持续监测和多样化模型提供者以增强隐私控制。

麻省理工学院与马萨诸塞州总医院联合启动的MIT-MGB种子计划，将资助促进人类健康的研究项目，目标是开发新一代疗法、诊断工具和数字技术。该计划由ADI支持，旨在通过跨学科合作，加速医疗创新，解决健康领域的紧迫挑战。首批资助项目预计于2025年秋季启动。

本文探讨了计算语言学领域的最新研究，分析了23篇2025年5月9日发表的论文，涵盖大型语言模型、多语言方法、多模态技术及领域特定应用。尽管在特定任务上取得了进展，但多轮对话表现下降和模型鲁棒性问题仍需解决。未来发展应关注伦理、效率及跨学科合作。

在《代码领袖》中，Dan Lines和Ben Matthews指出，速度应作为诊断工具，而非工程团队的主要目标。他们强调跨学科合作的重要性，以及AI在自动化重复任务中的潜力，以帮助工程师专注于复杂工作。此外，集中开发体验团队对提升生产力至关重要，非技术人员也能通过技术民主化参与工程任务，促进创新。

在全球生物多样性迅速丧失的背景下，AI技术被视为填补生物多样性知识空白的有效工具。麦吉尔大学和匹兹堡大学的研究探讨了AI在物种监测和生态模型中的应用，强调跨学科合作对推动生物多样性科学发展的重要性。

文章讨论了程序员与文科生、设计师之间的沟通障碍与合作挑战。程序员在技术选型和团队协作中面临复杂问题，而文科生和设计师难以理解这些技术细节。尽管AI在编程和创作中逐渐崭露头角，但文科生和艺术生在创意和判断方面仍然不可或缺。未来需要跨学科合作以应对技术进步带来的挑战。

生物信息学与计算生物学是推动生命科学创新的互补学科，前者专注于数据分析工具，后者建立生物系统动态模型。两者结合AI与大数据，预示医疗与生物技术的突破，但面临标准化与伦理挑战。未来发展依赖跨学科教育与全球合作。

Shreyaa Raghavan因热爱解谜而选择计算机科学，参与可持续能源研究，利用机器学习优化交通系统以减少温室气体排放。她认为应通过跨学科合作应对气候变化，并积极参与MIT气候俱乐部，推动学生参与气候行动。

研究结合机械流行病学与人工智能，提升疾病建模能力。尽管进展迅速，仍需整合现实决策、探索多样数据及研究生物社会机制。跨学科合作可释放AI潜力，增强公共卫生应对能力。

AIxiv专栏报道了一篇关于医疗领域具身智能的综述论文，探讨其在临床干预、护理陪伴、设施运转和研究开发中的应用。具身智能通过多模态感知与决策能力，提高医疗效率和服务质量。论文分析了技术进展与未来挑战，并强调跨学科合作的重要性。

人工智能驱动的科学研究（AI4S）正在改变研究模式，但学科间的分散发展限制了突破性成果。为此，上海人工智能实验室启动了「AI4S攀登者行动计划」，旨在促进跨学科合作，推动下一代AI4S技术的发展，鼓励全球团队申请，聚焦重大科技突破与创新应用。