Canal do Comité | Zhou Zhihua: Liderar a transformação do paradigma de pesquisa científica com inteligência artificial

A 4ª sessão plenária da 14ª Conferência da Conferência Consultiva Política do Povo Chinês realizou-se na tarde do dia 7, com os membros a fazerem discursos na sessão plenária. A Xinhua.net realizou transmissão ao vivo com imagens e textos na internet.

Zhou Zhihua, vice-reitor da Universidade de Nanjing e acadêmico da Academia de Ciências da China:

Senhores membros, na minha intervenção em nome do setor de pessoas sem filiação partidária, o tema é: Liderar a transformação do paradigma de pesquisa científica com inteligência artificial.

“Capacitar a pesquisa científica com inteligência artificial” está promovendo uma mudança histórica no paradigma de investigação científica, sendo vista como o “quinto paradigma de pesquisa” após os paradigmas de experiência, teoria, computação e dados. Além de acelerar a resolução de grandes problemas científicos de longa data, também tem potencial para reestruturar as vias fundamentais para descobertas científicas, aumentando significativamente a eficiência da inovação original. Em agosto de 2025, o Conselho de Estado publicou a opinião sobre a implementação aprofundada da ação “Inteligência Artificial+”, incluindo a tecnologia de inteligência artificial como uma das principais ações a serem aceleradas. Atualmente, parte do trabalho de pesquisa limita-se à aplicação simples de ferramentas de IA ou à tentativa cega de treinar “grandes modelos científicos” universais para resolver todos os problemas. Além disso, o alto custo de obtenção de dados científicos, a falta de padronização, a baixa disposição para compartilhamento, a qualidade variável das marcações de dados, a ausência de conjuntos de dados científicos autoritativos, padronizados e em grande escala, resultam em baixa eficiência no treinamento de modelos de IA, dificuldades na garantia de confiabilidade, além de fenômenos de reconstrução redundante e desperdício de recursos.

Por isso, recomenda-se:

1. Fortalecer a orientação política e melhorar a capacidade de inovação básica. Otimizar a coordenação da pesquisa científica na área de inteligência artificial, evitando a concentração excessiva de recursos em camadas de aplicação que consomem muita computação, corrigindo a visão equivocada de que “grandes modelos resolvem tudo”, aumentando o apoio à pesquisa fundamental em algoritmos de IA, e aprimorando a capacidade de inovação na elaboração de soluções específicas para problemas concretos. Apoiar projetos de pesquisa básica com visão de futuro e estratégia, incentivando pesquisadores a desenvolverem estudos originais. Além disso, envolver empresas e capital social na pesquisa fundamental de algoritmos de IA, formando mecanismos de investimento diversificados. Estabelecer um sistema de avaliação científica e racional da pesquisa, criando um ambiente que incentive a exploração e tolere fracassos.

2. Transformar os modelos de formação, construindo uma equipe de talentos multidisciplinares. Desde a origem, estabelecer um sistema de formação de talentos inovadores com competências múltiplas, apoiando universidades de pesquisa de alto nível a pilotar programas de duplo diploma “Doutor + Mestre”, permitindo que estudantes de doutorado em IA, durante seus estudos, obtenham simultaneamente um mestrado em uma disciplina científica, explorando um novo modelo de formação de pós-graduados que integre diferentes áreas, formando sistematicamente cientistas “bilíngues” que dominem tanto conhecimentos de sua área quanto tecnologias de ponta em IA. Além disso, criar zonas de avaliação de “interdisciplinaridade” em etapas como obtenção de diplomas, promoções e avaliações de desempenho, para resolver o problema de talentos multidisciplinares que, na avaliação tradicional, ficam “sem apoio em ambas as pontas”.

3. Valorizar a divulgação bidirecional do conhecimento, promovendo a eliminação de barreiras disciplinares. Construir mecanismos de “tradução” e colaboração interdisciplinares. Por um lado, acadêmicos de áreas científicas traduzem questões científicas complexas para pesquisadores de IA, expressando problemas-chave de fronteira de forma compreensível para eles, facilitando soluções direcionadas. Por outro lado, cientistas de IA realizam divulgação científica para acadêmicos tradicionais, usando casos concretos para esclarecer limites tecnológicos, eliminando o medo ou a veneração cega pela IA, e explicando que a IA é uma ferramenta auxiliar na descoberta científica. Incentivar a realização de encontros transdisciplinares periódicos, promovendo a troca entre pesquisadores de diferentes origens, facilitando a transição de conceitos à colaboração efetiva.

4. Reforçar a governança de dados e construir um ecossistema de dados científicos. Liderado pelos órgãos governamentais relevantes, estabelecer uma plataforma nacional de compartilhamento e serviços de dados científicos. Apoiar laboratórios de ponta e plataformas tecnológicas importantes na criação de repositórios padronizados de dados científicos, definindo normas para coleta, marcação, armazenamento e compartilhamento de dados de diferentes disciplinas, introduzindo mecanismos de feedback de qualidade de dados para otimizar continuamente os ativos de dados. Por meio de financiamento de projetos e avaliação de resultados, incentivar instituições de pesquisa e pesquisadores a compartilharem abertamente dados científicos, formando um ecossistema saudável e maximizando a eficiência de uso. Além disso, fortalecer o desenvolvimento de tecnologias de suporte e a elaboração de leis e regulamentos, protegendo eficazmente informações sensíveis e propriedade intelectual durante o compartilhamento de dados.