MIT計算學院迎11位新教授：從民主參與到衛星遙感的跨界拼圖

每年夏天，美國高校的教職市場都會迎來一批新鮮面孔。但今年MIT施瓦茨曼計算學院的這批入職，有點不太一樣——11位新教授里，有研究"如何讓市民更好地參與預算決策"的政治學家，有琢磨"AI該承擔什么道德責任"的哲學家，還有專門看衛星圖像怎么幫農民省水的遙感專家。他們的共同點是：手里都握著計算這把鑰匙，但打開的是完全不同領域的門。

院長丹·胡滕洛赫爾在歡迎辭里用了個挺重的詞："前沿"。他說這批人的工作"處于計算及其對世界更廣泛影響的最前沿"。這話不是客套。如果你仔細看這份名單，會發現一個清晰的趨勢：MIT正在把計算能力像水電一樣接入各個學科，而不是讓計算機系自己關起門來搞研究。

這種"共享教職"的模式，今年又往前邁了一步。胡滕洛赫爾透露，通過年度聯合招聘，學院今年新增了6個共享職位，總數達到20個。什么意思？就是一個教授同時在計算學院和另一個院系掛名，兩邊的學生和課題都能沾光。對做跨學科研究的人來說，這是最理想的配置——不用在行政上被兩邊踢皮球，資源卻能兩邊都拿。

讓我們一個個看看這些新面孔到底在研究什么。這不是一份簡歷羅列，而是一張關于"計算還能干什么"的想象地圖。

當算法遇上民主

貝利·弗蘭尼根可能是這份名單里最"接地氣"的一位。她的頭銜是政治學助理教授，共享職位掛在EECS（電氣工程與計算機科學系）。但她的研究對象不是芯片也不是代碼，而是"審議性小型公民團體"和"參與式預算"——說白了，就是怎么讓普通市民真正參與到公共決策里，而不是只在投票日畫個勾。

她的工具箱很雜：社會選擇理論、博弈論、算法、統計學、調查方法。聽起來抽象，但解決的問題很具體。比如，一個城市有1000萬預算，讓市民來決定怎么花，怎么保證抽樣公平？怎么設計討論流程才能讓少數派的聲音也被聽到？怎么測量"民意"才能避免被嗓門大的人帶偏？這些問題的背后，都是算法在支撐。

弗蘭尼根在哈佛的數據科學倡議做過博士后，博士畢業于卡內基梅隆大學的計算機系。她的軌跡本身就很能說明問題：從硬核CS訓練出發，最終落在了政治方法論這個交叉點上。這不是"用AI預測選舉結果"那種時髦課題，而是更底層的基礎設施——民主參與的質量，很大程度上取決于我們怎么設計這些技術系統。

哲學家怎么教AI做人

布萊恩·赫登的職位更有意思：語言學暨哲學系教授，共享職位同樣在EECS。他是個"老MIT"——2012年在這里拿了哲學博士學位，中間去澳大利亞國立大學、悉尼大學、牛津大學轉了一圈，現在回來了。

他的核心問題是：我們應該如何形成信念、如何做出決策？這聽起來像純粹的哲學思辨，但赫登的研究清單里赫然列著"算法公平性"和"AI倫理"。他的兩本書和一系列論文，把認識論、決策理論和倫理學串在了一起，而AI恰好是這三個領域碰撞最激烈的地方。

舉個例子：一個AI系統在招聘時歧視了某個群體，這是技術故障還是道德失敗？如果AI的決策過程是人類無法理解的"黑箱"，我們還能信任它嗎？當多個AI系統互動產生意外后果，責任該怎么分配？赫登的研究不直接寫代碼，但他提供的概念框架——什么是理性、什么是公平、什么是責任——正是設計這些系統時繞不過去的地基。

他2015年在牛津大學出版社出的那本書叫《Reasons without Persons: Rationality, Identity, and Time》（無個人的理由：理性、身份與時間），從書名就能嗅出分析哲學的味道。但現在，這些抽象討論正在變成實實在在的技術政策問題。

生物+計算：從細胞里讀信息

黃允荷（Yunha Hwang）的檔案在原文里被截斷了，但已知的部分已經足夠有趣：生物學助理教授，共享職位在EECS，同時還是信息與決策系統實驗室的成員。這個組合暗示了她的研究方向——用計算工具處理生物信息，或者反過來，從生物系統中汲取計算靈感。

MIT的信息與決策系統實驗室（LIDS）是個老牌強所，橫跨通信、控制、統計和機器學習。一個生物學家掛名在這里，大概率是在做系統生物學或者計算神經科學——用數學模型理解細胞怎么做決定，或者大腦怎么處理信號。這類研究的共同點是數據量極大、變量關系復雜，沒有計算工具根本無從下手。

（原文此處中斷，但根據上下文推斷，黃的研究可能涉及生物信息學與機器學習的交叉領域。）

共享職位的完整版圖

除了上面三位，今年還有幾位共享職位的新教授，把計算的能力輸送到了更多角落：

政治學、語言學暨哲學、歷史系、建筑系——這是原文明確提到的合作院系。加上前面詳細介紹的EECS和生物學，一張跨學科的網絡已經鋪開。歷史系的那位（原文未給出姓名）可能在研究計算技術的歷史，或者數字人文；建筑系的則大概率在探索可持續設計、生成式設計，或者城市系統的模擬。

這種布局不是偶然的。MIT施瓦茨曼計算學院2019年才成立，初衷就是把AI和計算從計算機系里"解放"出來，變成全校的基礎設施。四年過去，這個策略正在產生實質性的師資結構變化。20個共享職位，意味著20條活躍的跨學科通道。

核心計算領域的補充

當然，計算學院也在強化自己的"基本功"。原文提到，新入職的教授還包括在EECS和IDSS（數據、系統與社會研究所）有專任職位的學者。他們的研究方向覆蓋了：可持續設計、衛星遙感、決策理論，以及"聲明式人工智能編程的新算法"。

最后這個值得展開一下。"聲明式編程"是相對于"命令式編程"而言的。寫傳統代碼時，你要一步步告訴計算機"做什么、怎么做"；而在聲明式編程里，你只需要描述"想要什么結果"，讓系統自己推導出實現路徑。SQL數據庫查詢、HTML網頁標記都是聲明式的例子。但在AI領域，聲明式編程還有更大的野心：讓非專家也能用自然語言描述問題，由AI自動轉化為可執行的解決方案。

如果這個方向取得突破，編程的門檻會被大幅降低——不是讓每個人都學會寫Python，而是讓每個人都能指揮AI完成復雜任務。這背后的算法挑戰，正是某位新教授（原文未給出姓名）的研究重點。

衛星遙感：從天上看見地上的水

衛星遙感專家（原文未給出具體姓名）的加入，則把計算的應用場景拉到了地球系統科學。現代遙感衛星每天產生PB級的圖像數據，從中提取有用信息——比如農作物長勢、森林覆蓋變化、城市熱島效應——全靠機器學習算法。但這里有個陷阱：衛星圖像和地面真實情況之間，隔著大氣、云層、地形起伏，還有傳感器本身的誤差。如何把"像素"翻譯成"事實"，需要物理模型和統計方法的精密配合。

更實際的問題是：這些信息怎么用？一個農民能不能根據衛星數據決定這周澆多少水？一個城市能不能提前兩周預測熱應激死亡率？這些"最后一公里"的問題，需要研究者既懂信號處理，又懂應用場景。MIT把這樣的人招進來，顯然不只是為了發論文。

可持續設計：計算的碳足跡

可持續設計方向的新教授（原文未給出姓名），則指向了一個越來越緊迫的議題：計算本身的環境代價。訓練一個大語言模型的碳排放，相當于一輛汽車開一輩子；數據中心的耗電量，已經超過一些國家的總用電。怎么設計更高效的算法、更節能的硬件、更合理的系統架構，正在成為計算機科學的核心問題之一，而不是邊緣的"綠色計算"口號。

這個方向的研究，需要同時理解材料科學、熱力學、系統優化，還有政策和經濟因素。MIT把它放在計算學院的招聘優先級里，說明學院在定義"前沿"時，已經把可持續性納入了核心考量。

決策理論：不確定世界里的理性

決策理論專家（原文未給出姓名）的研究，聽起來比弗蘭尼根更數學化。這個領域關心的是：在信息不完全、時間有限、后果不確定的情況下，如何做出"理性"的選擇。經典框架包括期望效用理論、博弈論、多目標優化，但現實世界往往違反這些理論的假設——人們不是完全理性的，信息不是對稱的，偏好不是穩定的。

現代AI系統面臨的正是這樣的環境。自動駕駛汽車要在毫秒間判斷行人會不會突然橫穿馬路；推薦系統要在用戶的短期點擊和長期滿意度之間權衡；金融交易算法要在市場崩潰的邊緣決定是否止損。這些場景的共同點，是"最優解"往往不存在，或者計算成本極高。決策理論提供的是一套思考框架，幫助設計者明確自己到底在優化什么、愿意承擔什么風險。

IDSS：數據、系統與社會的三角

幾位新教授入職的IDSS，是MIT一個相對年輕的跨學科單位。它的獨特之處在于同時強調三個維度：數據科學的方法論、復雜系統的分析，以及社會影響的評估。這個"三角"結構，讓它成為連接技術開發和政策制定的天然樞紐。

IDSS的教授通常同時有工程和社科的背景，或者至少是與兩邊都能對話。這種配置在傳統的院系結構里很難維持——工程系嫌你數學不夠硬，社科系嫌你理論不夠深。但IDSS的存在，證明了這種"兩邊都不靠"的位置，恰恰最適合處理真實世界的問題。

一個觀察：招聘即戰略

把這11個人的研究興趣拼在一起，能看出MIT施瓦茨曼計算學院的清晰意圖。他們不是在做"計算機科學+X"的表面文章，而是在重新定義計算的核心議程。AI倫理、民主參與、氣候適應、健康信息學——這些主題的共同點是，計算技術已經深度嵌入社會，但社會還沒有準備好應對它帶來的變化。

胡滕洛赫爾說的"更廣泛影響"，就是這個意思。計算不再只是關于更快的服務器和更聰明的算法，而是關于這些技術如何被設計、如何被部署、如何被治理。這需要一批既懂技術又懂語境的人，而今年的招聘，正是在為這種需求儲備人才。

還能想想什么

這份名單里有一個明顯的缺席：沒有提到任何一位專注于基礎理論研究的數學家或理論計算機科學家。當然，這可能是原文節選造成的遺漏，但也可能反映了當下的資源分配優先級。應用導向、社會影響、跨學科合作——這些關鍵詞在招聘中的權重，似乎正在超過傳統的理論深度。

這種傾斜是明智的還是短視的？五年后也許會有答案。但有一點是確定的：當弗蘭尼根在政治系教研究生怎么用算法設計公民參與流程，當赫登在哲學課上討論AI的道德主體地位，當遙感專家在建筑系展示怎么用衛星圖像優化城市綠化——這些場景本身就是對"計算教育"的重新定義。MIT賭的是，未來的技術領導者，需要在這種交叉地帶受過訓練。

至于賭得對不對，時間會給分。但至少，他們正在把籌碼押在一張足夠大的桌子上。