Académico Ke Wenan: A maior fraqueza da IA chinesa é a "mentalidade de追赶", o que nos impede de sermos líderes

(Origem: Turing Artificial Intelligence)

Reproduzido da Conferência Mundial de Inteligência Artificial, destinado apenas à partilha académica. Comentários de violação de direitos serão removidos.

鄂维南

• Académico da Academia Chinesa de Ciências

• Diretor do Comité Académico do Instituto de Inovação em Algoritmos de Xangai

• Diretor do Centro de Investigação em Aprendizagem de Máquina Internacional da Universidade de Pequim

Ele introduziu métodos de inteligência artificial no campo do cálculo científico, impulsionando a formação do paradigma de investigação “AI for Science”. Recebeu o Prémio Collatz da União Internacional de Matemática Industrial e Aplicada (ICIAM) (2003), o Prémio Gordon-Bell da ACM (2020), o Prémio Maxwell da ICIAM (2023) e, em 2025, o primeiro Prémio Lin Jiaqiao na Conferência Mundial de Matemáticos Chineses (ICCM).

A seguir, alguns excertos das opiniões exclusivas de鄂维南:

A China possui vantagem inicial, mas pode ser arrastada por uma “mentalidade de perseguição”

“Se continuarmos imersos nesse pensamento, será difícil liderar.”

/ 01

Vantagem inicial do AI4S

Jovens investigadores carecem de apoio

O mercado de capitais fomenta a competição excessiva

Cuidado com a mentalidade de perseguição

Se a comunidade matemática não mudar, será marginalizada

“Claramente, a inteligência artificial impõe requisitos totalmente novos à matemática.”

/ 02

Situação atual da matemática

A matemática ainda funciona no ritmo da era Newton

Falta de revisores inovadores

O maior problema da IA é a ausência de base teórica

“Isso não só prejudica o desenvolvimento a longo prazo da IA, como também cria altas barreiras e desperdício de recursos.”

/ 03

Conceito matemático do deep learning: estamos lidando com problemas de “milhares de dimensões”

“Na essência, trata-se de uma abordagem para problemas de alta dimensão.”

/ 04

Muitos problemas ainda por resolver

“Temos muitas dúvidas sobre como os métodos de treino podem superar o problema da maldição da dimensionalidade, especialmente em treinos em larga escala. Estruturas como o método de espaço de estados e as recentes tendências como Mamba, realmente resolvem problemas de dependência de longo prazo? Ainda não há respostas claras.”

Por que o sucesso do AlphaFold é difícil de replicar?

“É resultado de condições favoráveis, timing e sinergia de fatores humanos.”

/ 05

Quem trabalha com IA muitas vezes não entende questões científicas

“Há uma tendência perigosa de que muitos investigadores de IA carecem de respeito pela ciência.”

/ 06

Quebrar o paradigma de “apenas artigos”: um dado de alta qualidade é a maior contribuição científica

“Novas ideias, dados gerados, ferramentas desenvolvidas — tudo deve ser considerado resultado de investigação.”

/ 07

Mecanismo de avaliação multidimensional

Sobre abertura de dados,鄂维南 acredita que o problema da avaliação é mais grave do que a cultura científica. “O nosso sistema de avaliação científica atual gira quase exclusivamente em torno de artigos. Muitos cientistas relutam em divulgar totalmente os seus dados, pois, na prática, manter os dados sob controlo permite continuar a produzir novos artigos.” Essa situação precisa ser mudada. “Um dado de alta qualidade é uma das maiores contribuições científicas. No futuro, precisamos estabelecer um sistema de avaliação multidimensional, que não se limite apenas a artigos.”

A pesquisa de “pequenas oficinas” está ultrapassada

No aspeto cultural científico, ele acredita que ainda não formámos uma cultura de abertura e partilha reais. “Não se trata apenas de artigos, mas também de ideias de investigação, dados, ferramentas — tudo deve ser aberto para facilitar uma troca eficiente e rápida.” Ele compara o passado e o futuro: “Na essência, a nossa investigação era uma ‘pequena oficina’, com um professor e alguns estudantes. Mas o cenário mudou. A investigação está a entrar numa ‘via rápida’, e a nossa cultura de comunicação também precisa evoluir. Novas ideias, dados gerados, ferramentas desenvolvidas — tudo deve ser considerado resultado científico e integrado na troca académica.”

Para os jovens: torne-se um aprendiz ao longo da vida, cultivando três competências essenciais

“Só me dizerem que o meu artigo foi citado 50 vezes não é suficiente.”

/ 08

Com essas três competências, não precisa de se preocupar em ser substituído pela IA

A resposta de鄂维南 é direta: “Cada pessoa deve tornar-se um aprendiz ao longo da vida, aprendendo continuamente novas habilidades, expandindo ideias e aprimorando capacidades.” A sua definição de “líderes do futuro” inclui três competências centrais: primeiro, raciocínio baseado em princípios — a capacidade de entender a lógica fundamental das coisas; segundo, habilidade de identificar problemas reais — reconhecer os desafios centrais do desenvolvimento social e tecnológico, que é justamente o que mais falta na nossa educação atual; terceiro, capacidade de engenharia — avaliar a distância entre uma ideia e a sua implementação prática, e impulsionar a sua realização.

Jovens professores não devem limitar-se a publicar apenas um artigo em conferências

“Espero que possam causar um impacto real no desenvolvimento da inteligência artificial.” Ele exemplifica com o seu próprio grupo: “Como os nossos algoritmos básicos, plataformas de código aberto, a Estação Espacial de Bohr, etc., esses esforços têm impacto visível e concreto. Algumas pessoas dizem que o ‘Plano Gênesis’ dos EUA é como ‘tocar a nossa ponte’.” Ele deixa uma reflexão: “Devemos questionar: que impacto o seu trabalho realmente trouxe? Grande ou pequeno, promoveu progresso? Só me dizerem que o seu artigo foi citado 50 vezes não é suficiente.”