麻省理工學院（MIT）幾乎每個實驗室的研究員都深入探討人工智能（AI）。他們開發和部署的工具已大幅提升現有方法，並開闢全新發現途徑。AI 在 MIT 無所不在，研究員幾乎無意間便涉足其中。以機械工程副教授 Sili Deng 為例，她表示若非新冠疫情，她未必會全力投入 AI。她於 2019 年加入教職員，正籌備實驗室研究燃燒動力學、排放減少及能源材料火焰合成時，疫情導致實驗室翻新停擺。
她於是挑戰自己及博士後團隊嘗試機器學習，利用燃燒領域的基礎知識，探索機器學習可填補的空白。在她的領導下，Deng 的能源與奈米科技小組利用 AI 開發「數位孿生」模型，模擬能源/流體裝置的性能，為物理系統的數位複製品。最終，此模型可即時預測及控制燃料燃燒系統運作。 與 Deng 不同，航空航天副教授 Zachary Cordero 是因同事引介而接觸 AI。
2024 年，機械工程系主任 John Hart 建議 Cordero——專攻新興航空航天應用材料的開發——與機械工程副教授 Faez Ahmed 會面，後者擅長工程設計的機器學習及優化。Cordero 表示此前並無 AI 相關研究：「這對我完全是新領域。」他們在美國國防高等研究計劃署（DARPA）資助項目中合作，開發 AI 工具優化「blisk」（渦輪葉盤）的材料組成，此為噴射及火箭渦輪引擎關鍵部件。
該工作旨在提升引擎性能及壽命，或促成更可靠的重型發射載具可重用火箭引擎。Cordero 指 AI 系統強化人類直覺，甚至在「幾乎不可能憑直覺解決」的問題上亦然。
AI 革新多學科研究
生物工程查爾斯 W. 及詹妮弗 C. 強森教授 Angela Koehler 表示：「我們每個小組會議都討論這些工具。」她的團隊利用 AI 模型開發針對先前視為「不可成藥」分子目標（如轉錄因子、RNA 結合蛋白或細胞因子）的藥物候選。她指自己參與的 90% 論文委員會均涉及重大 AI 成分，五年前絕非如此。MIT 研究副總裁 Ian Waitz 表示：「AI 遍佈校園。
任何高度複雜領域均受益，包括生命科學、材料科學及影像分析。我不知 MIT 有哪個研究領域未受 AI 影響。」 機械工程及材料科學與工程教授 Ju Li 認為，若賦予 AI 實驗自主權，讓其嘗試、失敗並學習，它可演化成類似人類智能。李於 1995 年獨立活動期（IAP）修讀神經網絡課程，當時僅數層，並用作回歸工具擬合曲線。如今神經網絡可逾千層，受強大晶片運算力及數據中心激增推動，AI 活動全球爆發。
MIT 自 1954 年 Belmont G. Farley 及 Wesley A. Clark 首創神經網絡電腦模擬以來，便持續投入。 工程學院 AI 及健康傑出教授 Regina Barzilay 自 2003 年加入 MIT 便從事 AI。她領導 Abdul Latif Jameel 機器學習健康診所，其實驗室工具廣泛應用於製藥業，帶來重大影響。其中 Boltz 系列模型受 DeepMind AlphaFold2（其開發者 Demis Hassabis 及 John Jumper 獲 20
24 年諾貝爾化學獎啟發）影響。Boltz-1（2024 年 11 月發佈）預測蛋白質及其他生物分子 3D 結構；Boltz-2 額外預測親和力；2025 年 10 月發佈的 BoltzGen 為生成式 AI，可設計自訂蛋白質結合廣泛生物分子目標，考慮每個原子，提供更高準確度。CSAIL 博士生 Hannes Stärk 花七個月開發 BoltzGen，每天工作逾 12 小時，指模型從訓練數據推斷並產生新穎想法。
其他領域亦見 AI 應用。Giovanni Traverso 實驗室用 AI 設計奈米粒子，提升 RNA 疫苗及其他療法傳輸效率；Jameel 診所模型預測年度最佳流感疫苗；EECS、CSAIL 及 Mass General Hospital 聯手推出 MultiverSeg，快速註釋醫學影像興趣區域；Priya Donti 開發 AI 優化電網調度，應對太陽能及風能變異；Sara Beery 用 AI 分析遙感數據，預測物種及生態變化；Connor Coley 設計「基因」演算法優化聚合物混
合，用於電池電解質及藥物傳輸，其自主機器人系統每日測試 700 種新混合，找出性能提升 18% 者；Alexander Siemenn 建構全自主 AI 機器人實驗室，24 小時發現太陽能板可持續高性能材料。 儘管 AI 帶來諸多成果，研究員亦遇挑戰。Barzilay 指 AI 未在理解阿茲海默症等神經退化疾病分子機制上帶來「重大轉變」。材料科學副教授 Rafael Gómez-Bombarelli 表示，AI 模擬雖成功，但轉化為物理材料時常失敗，因未捕捉長時尺度及複雜物理，且規模化生產具風險
。腦與認知科學教授 Ila Fiete 建構 AI 模型擴展腦部神經連接知識，反過來改善 AI 架構。Faez Ahmed 指物理世界受 AI 影響較少，MIT 正於此交匯處推動進展。機械工程教授 John Hart 認為 MIT 具備提問及應用工具的專業，能駕馭 AI 潛力與陷阱。
