Komite Kanal丨Zhou Zhihua: Memimpin Transformasi Paradigma Penelitian Ilmu Pengetahuan dengan Kecerdasan Buatan

Majelis Nasional Rakyat ke-14, Sidang keempat, mengadakan sidang pleno kedua pada sore hari tanggal 7, di mana anggota menyampaikan pidato di forum. Xinhuanet melakukan siaran langsung teks dan gambar secara daring.

Wakil Rektor Universitas Nanjing, anggota Akademi Ilmu Pengetahuan China, Zhou Zhihua:

Para anggota, saya mewakili kalangan non-partai untuk menyampaikan pidato dengan judul: Menggunakan Kecerdasan Buatan untuk Memimpin Transformasi Paradigma Riset Ilmiah.

“Pemberdayaan penelitian ilmiah melalui kecerdasan buatan” sedang mendorong terjadinya perubahan paradigma penelitian ilmiah secara historis, yang dipandang sebagai “paradigma penelitian ilmiah kelima” setelah paradigma pengalaman, teori, komputasi, dan data. Ini tidak hanya dapat mempercepat penyelesaian masalah ilmiah besar yang telah lama tertunda, tetapi juga berpotensi merekonstruksi jalur dasar penemuan ilmiah, secara signifikan meningkatkan efisiensi inovasi asli. Pada Agustus 2025, Dewan Negara mengeluarkan “Pendapat tentang Pelaksanaan Mendalam ‘AI+’”, secara tegas menempatkan teknologi “AI+” sebagai salah satu tindakan utama yang dipercepat pelaksanaannya. Saat ini, sebagian pekerjaan penelitian masih sebatas penerapan alat secara sederhana, atau secara buta mencoba melatih “model besar ilmiah” umum untuk mengatasi semua masalah. Selain itu, biaya pengumpulan data ilmiah yang tinggi, standar yang tidak seragam, keinginan berbagi yang rendah, kualitas anotasi data yang beragam, kekurangan dataset ilmiah yang otoritatif, standar, dan berskala besar, menyebabkan efisiensi pelatihan model AI rendah dan reliabilitas yang sulit dijamin, serta munculnya fenomena duplikasi pembangunan dan pemborosan sumber daya.

Oleh karena itu, disarankan:

Pertama, memperkuat panduan kebijakan dan meningkatkan kemampuan inovasi dasar. Mengoptimalkan penataan penelitian ilmiah di bidang kecerdasan buatan, menghindari konsentrasi sumber daya yang berlebihan pada lapisan aplikasi yang konsumtif terhadap daya komputasi, serta mengoreksi kesalahan mengikuti tren “model besar menyelesaikan segala hal”, dengan meningkatkan dukungan terhadap penelitian dasar algoritma AI dan memperkuat inovasi dalam merancang solusi algoritma untuk masalah spesifik. Fokus mendukung sejumlah proyek penelitian dasar yang bersifat strategis dan visioner, serta mendorong peneliti melakukan penelitian orisinal. Selain itu, mengarahkan perusahaan dan modal sosial untuk berpartisipasi dalam penelitian dasar algoritma AI, membentuk mekanisme investasi yang beragam. Membangun sistem evaluasi penelitian ilmiah yang ilmiah dan rasional, serta menciptakan suasana penelitian yang mendorong eksplorasi dan toleran terhadap kegagalan.

Kedua, mengubah pola pelatihan dan membangun tim talenta multidisipliner. Dari sumbernya, membangun sistem pelatihan inovatif talenta gabungan “penelitian ilmiah yang diberdayakan AI”, mendukung universitas riset tingkat tinggi untuk mencoba program gelar ganda “PhD + Master”, serta mendukung mahasiswa doktoral dalam bidang AI untuk secara lintas disiplin meraih gelar master di bidang ilmiah saat menempuh studi doktoral AI, mengeksplorasi model pelatihan mahasiswa pascasarjana yang mengintegrasikan disiplin secara lintas bidang, secara sistematis melatih ilmuwan “bilingual” yang memahami pengetahuan bidang dan teknologi AI mutakhir. Selain itu, dalam proses perolehan gelar, promosi jabatan, dan penilaian kinerja, membangun “Zona Interdisipliner” untuk mengatasi masalah ketidakberpihakan talenta lintas disiplin dalam sistem evaluasi tradisional.

Ketiga, menekankan komunikasi dua arah dan menghapus hambatan disiplin. Membangun mekanisme kolaborasi dan “terjemahan dua arah” lintas disiplin. Di satu sisi, para ilmuwan dari bidang ilmiah melakukan abstraksi dan terjemahan masalah ilmiah kepada peneliti AI, mengungkapkan masalah utama frontier bidang tersebut dalam bahasa yang dapat dipahami oleh para ilmuwan AI, memudahkan mereka melakukan solusi yang tepat sasaran. Di sisi lain, ilmuwan AI melakukan edukasi kepada ilmuwan dari bidang tradisional melalui studi kasus konkret untuk memperjelas batasan teknologi, menghilangkan ketakutan atau kekaguman berlebihan terhadap AI, serta menjelaskan bahwa AI adalah alat bantu dalam penemuan ilmiah. Mendorong secara rutin diadakan forum lintas disiplin untuk meningkatkan komunikasi antar para ilmuwan dari latar belakang berbeda, serta mendorong transisi dari sekadar pengenalan konsep ke kolaborasi substantif.

Keempat, memperkuat tata kelola data dan membangun ekosistem data ilmiah. Dipimpin oleh kementerian terkait nasional, membangun platform berbagi dan layanan data ilmiah tingkat nasional. Mengandalkan laboratorium utama dan platform teknologi besar lainnya, membangun gudang data ilmiah yang standar, menyusun standar pengumpulan, anotasi, penyimpanan, dan berbagi data dari berbagai disiplin ilmu, serta memperkenalkan mekanisme umpan balik kualitas data untuk terus mengoptimalkan aset data. Melalui pendanaan proyek dan evaluasi hasil, mendorong lembaga penelitian dan peneliti untuk membuka dan berbagi data ilmiah secara terbuka, membentuk ekosistem yang baik dan memaksimalkan efisiensi penggunaannya. Selain itu, memperkuat pengembangan teknologi pendukung dan pembuatan regulasi hukum untuk melindungi informasi sensitif dan hak kekayaan intelektual selama proses berbagi data.