麻省理工學院
Computer Science and Artificial Intelligence Laboratory (CSAIL) - AI Safety Group
美國 · PhD/Postdoc
MIT CSAIL是全球最大的AI研究實驗室之一，其AI安全研究方向涵蓋機械可解釋性、對抗魯棒性、可信AI系統設計。依託MIT在理論與系統方面的深厚積累，CSAIL為AI對齊提供從數學基礎到工程實現的完整研究鏈條。
学术历史
MIT CSAIL的前身可追溯至1963年成立的Project MAC，是全球最早的人工智能研究機構之一。AI安全研究在MIT有長期積累：Max Tegmark領導的Future of Life Institute (FLI)自2014年起推動AI安全議題進入主流視野，2015年波士頓AI安全會議（由FLI組織）是AI對齊領域的重要里程碑。MIT在可解釋AI、因果推理、魯棒機器學習等方向持續產出奠基性工作。近年來，CSAIL內多個研究組（如Antonio Torralba的感知組、Leslie Kaelbling的RL組）涉及安全相關議題。
当前状态
MIT CSAIL目前有多個研究組涉及AI安全：機械可解釋性（理解神經網絡內部表示）、對抗魯棒性、可信ML系統。MIT同時設有Social and Ethical Responsibilities of Computing (SERC)跨學科 initiative，將技術安全與社會影響結合。開設6.S898（Deep Learning）等課程涵蓋安全議題。CSAIL與Google、Microsoft等企業有密切合作關係。
实验室 / 研究中心
关键人物
Max Tegmark
教授
物理學家與AI安全倡導者，MIT物理系教授，Future of Life Institute (FLI)創始人。著有《Life 3.0》討論超級智能的未來，組織2015年波士頓AI安全會議與2017年Asilomar AI原則簽署。
Leslie Kaelbling
教授
機器人學與強化學習領域先驅，研究規劃與決策中的不確定性處理，為安全RL提供理論基礎。AAAI Fellow。
Antonio Torralba
教授
計算機視覺與感知研究專家，研究視覺系統的魯棒性與可解釋性，涉及AI安全中的感知可靠性問題。
标志性成果
- Future of Life Institute組織2015年波士頓AI安全會議，促成OpenAI等機構的安全研究投入
- Asilomar AI原則（2017）的學術推動，成為AI安全治理的重要參考框架
- 機械可解釋性研究：神經網絡內部表示的逆向工程與特徵可視化
- 對抗樣本的系統性研究，揭示深度學習模型的魯棒性脆弱點
学术资源
证据
师资
12 位相关教师
知名：Max Tegmark、Leslie Kaelbling、Antonio Torralba、Josh Tenenbaum、Regina Barzilay
研究产出
CSAIL關聯研究者在NeurIPS、ICML、ICLR等頂會持續發表AI安全、可解釋性與魯棒性論文
就业去向
畢業生進入OpenAI、Google DeepMind、Anthropic、Microsoft Research等機構，或在頂尖大學擔任教職
发现信息有误？ 提交纠错